国内优秀的论文数据网站(提供数据代查、代找、代整理服务等)

stata如何在ADF检验中实现如下操作

yih阅读(16)

stata如何在ADF检验中实现如下操作

在stata中进行ADF的三个检验:含有截距和趋势项的模型、只含截距项的模型、二者都不含的模型

 

dfuller x,trend lags(1)
dfuller x,lags(1)
dfuller x,lags(1) noconstant

在stata中执行HP滤波命令

yih阅读(10)

在stata中执行HP滤波命令

如果非Stata12版,
请用指令hprescott
按您所给的命令去推断,您应当是使用旧指令hprescott
如果您没下载,请findit hprescott

在Stata12版,那么请使用指令tsfilter hp

 

 

use http://fmwww.bc.edu/repec/bocode/h/hamiltonfilterdmonthly.dta, clear

stata做probit回归中的Log likelihood

yih阅读(5)

stata做probit回归中的Log likelihood

表示  对数似然值
其值一般为负数,但是有时候也是可以为正数的

解释:The likelihood is the product of the density evaluated at the observations. Usually, the density takes values that are smaller than one, so its logarithm will be negative. However, this is not true for every distribution.
一般是越大越好,通常结果还会给出-2*log-likelihood,这个值应该越小越好

stata相关性分析命令

yih阅读(11)

stata相关性分析命令

第一种:pwcorr varname
其中pwcorr是命令,varname是分析变量,pwcorr命令需要下载。
若想看看相关性是否显著只需后面加个sig就可以即:pwcorr varname,sig
输出结果包括相关系数和相关性是否显著的p值。
第二种是采用pwcorr_a   varname
pwocrr_a命令是连老师的教程,使用该命令可以输出带*的相关性系数,*表示显著性水平。pwcorr_a命令更好用,可以显示相关性显著的*号。
上面两个命令符都需要下载,pwcorr直接在stata下载就可以。
pwcorr_a需要自己下载安装包进行安装,链接地址见连老师 https://bbs.pinggu.org/thread-32761-1-1.html,大家也可以看看具体说明,提醒一下下载pwcorr_a安装包后是解压后里面两个文件放到 stata11\ado\base\p 文件夹下即可使用

采用Hausman检验得到结果为负不知如何判断

yih阅读(4)

采用Hausman检验得到结果为负不知如何判断

通过模拟分析发现,这主要是RE模型的基本假设Corr(x_it, u_i) =0 无法得到满足。因此,在这种情况下应该采用FE。

模拟过程如下:

    *- 生成模拟数据:corr(x_it,u_i) != 0
clear
xtarsim y x eta, n(200) t(10) gamma(0) beta(.8) rho(0.2) one(corr 1) sn(9)
describe
xtdes

*- 分别估计 FE 和 RE 模型
xtreg y x, re
est store re
xtreg y x, fe
est store fe

local mm “ols re fe”
esttab `mm’, mtitle(`mm’) scalar(r2 r2_o r2_w r2_a)

*- Hausman检验结果如何?
hausman fe re

    *- 处理方法
hausman fe re, sigmamore  /*使用RE的方差-协方差矩阵 e(V_re)*/
hausman fe re, sigmaless    /*使用FE的方差-协方差矩阵 e(V_fe)*/

* 结论:若传统Hausman检验得到的卡方值为负,则应拒绝RE,而采用FE。

winsor2 批量进行 winsor trimming 处理

yih阅读(7)

winsor2 批量进行 winsor trimming 处理

winsor2 命令使用说明

NEW: winsor2 已经可以直接在 Stata 内部下载,命令如下:
         ssc install winsor2, replace

简介:winsor2 winsorize or trim (if trim option is specified) the variables in varlist at particular percentiles specified by option cuts(# #). In defult, new variables will be generated with a suffix “_w” or “_tr”, which can be changed by specifying suffix() option. The replace option replaces the variables with their winsorized or trimmed ones.

相比于winsor命令的改进:
(1) 可以批量处理多个变量;
(2) 不仅可以 winsor,也可以 trimming;
(3) 附加了 by() 选项,可以分组 winsor 或 trimming;
(4) 增加了 replace 选项,可以不必生成新变量,直接替换原变量。

范例:

  1.     *- winsor at (p1 p99), get new variable “wage_w”
  2.     .   sysuse nlsw88, clear
  3.     .   winsor2 wage
  4.     *- left-trimming at 2th percentile
  5.     .   winsor2 wage, cuts(2 100) trim
  6.     *- winsor variables by (industry south), overwrite the old variables
  7.     .   winsor2 wage hours, replace by(industry south)

复制代码

使用方法: winsor2 已经可以直接在 Stata 内部下载,命令如下:
ssc install winsor2, replace

stata中的seed的作用

yih阅读(7)

. clear all

. set obs 100
obs was 0, now 100

.
.      set seed 10101

.
.      gen x1var=runiform()

. su

Variable |       Obs        Mean    Std. Dev.       Min        Max
————-+——————————————————–
x1var |       100    .5319284    .2847927   .0019951   .9983786

. clear all

. set obs 100
obs was 0, now 100

.      set seed 10101

.      gen x1var=runiform()

. su

Variable |       Obs        Mean    Std. Dev.       Min        Max
————-+——————————————————–
x1var |       100    .5319284    .2847927   .0019951   .9983786

. clear all

. set obs 100
obs was 0, now 100

.      gen x1var=runiform()

. su

Variable |       Obs        Mean    Std. Dev.       Min        Max
————-+——————————————————–
x1var |       100    .5202217    .2719621   .0018247   .9893382

. clear all

. set obs 100
obs was 0, now 100

.      gen x1var=runiform()

. su

Variable |       Obs        Mean    Std. Dev.       Min        Max
————-+——————————————————–
x1var |       100    .5291396    .2913421   .0010465   .9965927

.

易获数据 论文数据获取 更专业 更方便

联系我们今日数据