-
北京科技大学
STATA
应用
学习摘录
第一章
STATA
的基本操作
一、设置内存容
set mem 500m,
perm
一、
显示输入内容
Display 1
Display
“
clive
”
二、
显示数据集结构
describe
Describe /d
三、
编辑
edit
Edit
四、
重命名变量
Rename var1
var2
五、
显示数据集内容
list/browse
List in 1
List in
2
/10
六、
数据导入
:
数据文件是文本类型（
.csv
）
1
、
insheet:
.
insheet
using
“
C:Documents
and
SettingsAdministrator
桌
面
”
, clear
2
、
内存为空时才可以导入数据集，否则会出现（
you must
start with an empty dataset
）
（
1
）
清空内存中的所有变量：
.drop _all
（
2
）
导入语句后加入“
clear
”命令。
七、
保存文件
1
、
save
“
C:Documents
and SettingsAdministrator
桌面
<
/p>
”
2
、
save
“
C:Documents
and SettingsAdministrator
桌面
<
/p>
”
, replace
八、
打开及退出已存文件
use
1
、
.Use
文件路径及文件名
, clear
2
、
. Drop
_all/.exit
九、
记录命
令和输出结果（
log
）
1
、
开始建立记录文件：
log using
2
、
暂停记录文件：
log off
3
、
重新打开记录文件：
log on
4
、
关闭记录文件：
log close
十一、创建和保存程序文件：
（
doedit,
do
）
1
、
打开程序编辑窗口：
doedit
2
、
写入命令
3
、
保存文件，
.do.
4
、
运行命令：
.do
程序文件路径及文件名
十二、多个数
据集合并为一个数据集（变量和结构相同）纵向合并
append
insheet using
save
insheet using
2
append using
save
十三、横向合并，在原数据集基础上加上另外的变量
merge
1
、
insheet using
sort companyid yearend
save
describe
insheet using
sort companyid
yearend
merge companyid
yearend using
save
describe
2
、
_merge==1 obs.
From master data
_merge==2 obs. From using data
_merge==3 obs. From both
master and using data
十四、帮助文件：
help
1
、
.
Help describe
十五、描述性统计量
1
、
summarize
incorporationyear
单个
summarize incorporationyear-big6
连续多个
summarize
_all or simply summarize
所有
2
、更详细的统计量
summarize
incorporationyear, detail
3
、
centile
centile
auditfees, centile(0(10)100)
centile
auditfees, centile(0(5)100)
4
、
tabulate
不同类型变量的频数和比例
tabulate
companytype
tabulate
companytype big6, column
按列计算百分比
tabulate
companytype big6, row
按行计算百分比
tab
companytype big6 if
companytype<=3, row col
同时按行列和条件计算百分比
5
、
计算满足条件观测的个数
count if big6==1
count if big6==0 | big6==1
6
、按离散变量排序，对连续变量计算描述性统计量：
（
1
）
by
companytype, sort: summarize
auditfees, detail
（
2
）
sort companytype
By
companytype:summarize auditees
十六、转换变量
1
< br>、按公司类型将公开发行股票公司赋值为
1
，其他为
0
gen listed=0
replace listed=1 if
companytype==2
3
replace
listed=1 if companytype==3
replace listed=1 if companytype==5
replace listed=. if
companytype==.
十七、产生新变量
gen
Generate
newvar=
表达式
十八、数据类型
1
、数值型
Storage type
Bytes
byte
int
long
float
double
2
、字符型
Storage type
str1
str2
…
str80
Bytes
1
2
80
Max length (characters)
1
2
80
1
2
4
4
8
Min
-127
-32,767
-2,147,483,647
-1.7*1038
-8.9884656743*10307
Max
+100
+32,740
2,147,483,620
1.7*1036
8.9884656743*10308
3
、新建变量的过程中定义数据类型
?
gen str3
gender=
?
list
gender in 1
/10
4
、变量所占字节过长
?
drop gender
?
gen str30
gender=
?
browse
?
describe gender
?
compress gender
5
、日期数据类型：
%d
dates,
which is a count of the number
of days elapsed since January 1,
1960
。
（
1
）
date(
日期变量
)
?
gen fye=date(yearend,
应根据前面日
期的排列顺序而定，结果显示的
是距离
1960
年
1
月
1
日的天数
?
list
yearend fye
in 1
/10
（
2
）日期格式化
%d
（
显示
fye
变量为日期形式，但数值并未真正变动）
：
?
format fye %d
?
list
yearend fye in
1
/10
4
?
sum
fye
（
3
）利用日期天数求对应的
年、月、日
?
gen year=year(fye)
?
gen
month=month(fye)
?
gen day=day(fye)
?
list
yearend fye
year month day in 1
/10
（
4
）将三个分别表示年、月、日的变量合并为一个日期变量
?
drop fye
?
gen
fye=mdy(month, day, year)
?
format fye %d
?
list
yearend fye
in 1
/10
(5)
将一个数值
型的时间数据（
20080131
）转变为
ST
可识别的时间数据
?
gen
year=int(date/10000)
?
gen month=int((date-year*10000)/100)
?
gen day=date-
year*10000-month*100
?
list date year month day in
1
/10
?
gen edate=mdy(month, day, year)
?
format edate %d
?
list edate date
in 1
/10
十九、存贮统计量的内部变量
R
（
）
?
sum auditfees
?
gen meanadjaf= auditfees-r(mean)
?
list
meanadjaf
in 1
/10
SUM
命令后常见的
几种
R
（）值
r(N)
r(sum_w)
r(mean)
r(var)
Number of cases
Sum of
weights
Arithmetic mean
Variance
r(sd)
r(min)
r(max)
r(sum)
Standard deviation
Minimum
Maximum
Sum of variable
显示这些变量值的命令
?
sum
auditfees, detail
?
return list
二十、
recode
命令（
PPT61
）
1
、产生有多个值的变量的哑变量
recod
e
recode year (min/1999 = 0) (2000/max
= 1), gen (yeardum)
min/1999
表示小于等于
1999
的值全部赋值为
0
2000/max
表示大于等于
2
000
的值全部赋为
1
。
2
、对一个连续变量按一定值分为不同间隔的组<
/p>
recode
gen
assets_categ=recode(totalassets, 100, 500, 1000,
5000, 20000, 100000, 1000000)
。分
< br>组的值为每组的上限，包含该值。
sort
assets_categ
5
by assets_categ: sum totalassets
assets_categ
3
、
对一个连续变量按一定值分为相同间隔的组
autocode
autocode(variable name, # of intervals,
min value, max value)
for example: gen
assets_categ=autocode(totalassets, 10, 0, 10000) <
/p>
4
、对一个连续变量按每组样本数相同进行分组：
xtile
xtile
assets_categ=totalassets,
nquantiles(10)
每组样本不一定完全相同
二十一、一次性计算同一变量不同组别的均值：
egen
命令
按公司类型
先排序，再计算每一类型公司审计费用的均值并赋值给新变量：
by companytype, sort: egen
meanaf2=mean(auditfees)
?
count()
?
mean()
?
median()
?
sum()
二十二、
_n
和
_N
命令
1
、
显示每个观测的序号并显示总观测数
sort
companyid
fye
capture drop x
gen x=_n
capture drop y
gen y=_N
list companyid fye x y in
1
/
30
2
、分组显示每个组中变量的序号和每组总的样本数
?
capture drop x
y
?
sort
companyid fye
?
by companyid:
gen x=_n
?
by
companyid: gen y=_N
?
list companyid fye x y in
1
/
30
3
、创建新变量等于每个分组中变量的第一个值或最后一个值
?
sort
companyid fye
?
by companyid:
gen auditfees_first=auditfees[1]
?
by companyid:
gen auditfees_last=auditfees[_N]
?
list companyid
fye auditfees auditfees_first auditfees_last in
1
/
30
4
、创建新变量等于滞后一期或滞后两期的值
?
sort
companyid fye
?
by companyid:
gen auditfees_lag1= auditfees[_n-1]
?
by companyid:
gen auditfees_lag2= auditfees[_n-2]
?
list companyid
fye auditfees auditfees_lag1 auditfees_lag2 in
1
/
30
二十三、转变数据集结构：
reshape
不同数据库的数据集结构不同：长型是指同一公司不同年度数
据在不同的行。宽型数
据是指同一数据不同年度数据在现一行。二者间的转换可通过
reshape
命令来实现。需要注意的
6
是，在转换过程中对数据集是有要
求的，一个公司只能有一个年度数据，否则会出错。
1
、长型转换为宽型：
reshape
wide
yearend
incorporationyear
companytype
sales
auditfees
nonauditfees
currentassets currentliabilities
totalassets big6 fye, i(companyid) j(year)
2
、宽型转换为长型：
reshape
long
yearend
incorporationyear
companytype
sales
auditfees
nonauditfees
currentassets
currentliabilities totalassets big6
fye, i(companyid) j(year)
3
、第二次转换时命令可简化：
?
reshape wide
?
reshape long
二十四、计算
CAR
的例子：
已知股票日回报率，市场回报率，事件日，计算窗口期为三天的
CAR
。
1
、定义三天的窗口期：
?
sort ticker
edate
?
gen
window=0 if eventdate<.
（事件日为
0
）
?
replace window=-1 if window[_n+1]==0 &
ticker==ticker[_n+1]
?
replace window=1 if window[_n-1]==0 &
ticker==ticker[_n-1]
2
、计算
A
R
和
CAR
?
gen ar=ret-
vwretd
?
gen
car=ar+ar[_n-1]+ar[_n+1]
if
window==0
&
ticker==ticker[_n+1]
ticker==ticker[_n-1]
3
、检验
?
list ticker
edate ret vwretd ar car window if window<.
二十五、
means
的
T
检验：
1
、检验总体上
big6
< br>的审计收费有无显著不同
?
use
?
gen lnaf=ln(auditfees)
?
by big6, sort:
sum lnaf
?
test
lnaf, by (big6)
2
、分年度比较
big6
的审计收费有无显著不同
,
加入
by year
命令。
?
gen
fye=date(yearend,
?
format fye %d
?
gen year=year(fye)
?
sort year
?
by year: ttest
lnaf, by(big6)
3
、均值等于特定值得的
T
检验：
?
sum lnaf
?
ttest lnaf=2.1
二十六、
meadian
的显著性检验：
1
、获取中位数的命令：
by big6, sort: sum lnaf, detail
by big6, sort: centile lnaf
7
&
2
、中位数检验：
?
median lnaf,
by(big6)
?
ranksum lnaf, by(big6)
二十七、列联表检验：
1
、创建列联表的命令：
?
tabulate
companytype big6, row
第一个变量是表的最左侧一列的项目，第二个变量是表的第一行的项目。
2
、两变量之间的相关性检验：
chi2
tabulate
companytype big6, chi2 row
3
、相关矩阵：
pwcorr lnaf big6 year listed
4
、列出相关矩阵并进行符号检验
pwcorr lnaf big6 year listed, sig
5
、在矩阵中列出观测数
?
pwcorr lnaf
big6 listed if year==2000, sig obs
二十八、创建一个不包含缺失值的数据集
1
、无缺失值的变量值为
1
，至少有一个的为
0
gen samp=1 if lnaf<. &
big6<. & year<. & listed<.
2
、缺失
值的变量值表示同一行中缺失值的个数
egen
miss=rmiss(lnaf big6 year listed)
sum
miss, detail
二十九、图形
1
、直方图
?
histogram
incorporationyear, width(1)
?
histogram
incorporationyear, bin(147)
width
表示分一小份的宽度。
bin
表示分成的份数。改变
宽度值可以使图像看起来更合适。
?
选择起始点和间隔宽度：
hist lnaf if
lnaf>=0 & lnaf<=5, width (0.25)
?
选择描述横轴和纵轴的单位和数据标识：
hist lnaf
if lnaf>=0 & lnaf<=5, width (0.25)
xlabel(0(0.5)5)
?
是否与正态分布一致：
hist lnaf if
lnaf>=0 & lnaf<=5, width(0.25) normal
2
、散点图（
scatter
）
?
scatter lnaf
lnta
第一个变量是纵轴，第二个变量是横轴。
?
twoway (scatter
lnaf lnta, msize(tiny)) (lfit lnaf lnta)
在散点图上加入最适合的一条直线。
三十、缩尾处理
winsor
. winsor
rev,
gen(wrev)
p(0.01)0.01
代表去掉的百分数。
Winsor rev,
gen(wrev) h(5),5
代表去掉的个数
8
第二章
线性回归
内容简介：
?
?
?
?
?
?
?
?
?
?
?
2.1 The basic
idea underlying linear regression
2.2
Single variable OLS
2.3 Correctly
interpreting the coefficients
2.4
Examining the residuals
2.5 Multiple
regression
2.6 Heteroskedasticity
2.7 Correlated errors
2.8 Multicollinearity
2.9
Outlying observations
2.10 Median
regression
2.11
“
Looping
”
2.1 The
basic idea underlying linear regression
1
．残差
F
为真实值，
为预测值，
ε
为残差。
OLS
回归就
是使残差最小。
2.
基本一元回归
regress y x
3
．回归结果的保存
回归结果的系数保存在
_b[
varname
]
内存变量中，常数项的系数保存在
(_cons)
内存变量
中。
< br>
4
、预测值及残差
?
predict yhat
?
predict yres,
resid
yres
即为真实值得与预测值之差。
5
、残差与
X
的散点图
twoway (scatter y_res
x) (lfit y_res x)
9
6
、衡量
估计系数准确程度：标准误差。
用样本的标准偏差与系数之间
的关系来衡量即
T
值（用系数除以标准差）
，同时
P
值是
根据
T
值的分布计算出来的，
表示系数落入标准对应上下限
的可能性。
前提是残差符合以下假设：
同方差：
Homoscedasticity (i.e.,
the residuals have a constant variance)
独立不相关：
Non-correlation (i.e.,
the residuals are not correlated with each other)
正态分布：
Normality (i.e., the
residuals are normally distributed)
7
、回归结果包含的一些内容的意思
?
各变差的自由度：
?
For the ESS, df
= k-1 where k = number of regression coefficients
(df = 2
–
1)
?
For the RSS, df
= n
–
k where n =
number of observations (= 11 - 2)
?
For the TSS, df
= n-1 ( = 11
–
1)
?
MS
：变差除以自由度：
The
last
column
(MS)
reports
the
ESS,
RSS
and
TSS
divided
by
their
respective degrees of freedom
?
R
平方：
The R-squared
= ESS / TSS
?
调整的
R
平方：
A
dj R-squared = 1-(1-R2)(n-1)/(n-k)
，消除了
加入相关度不高解释变量后
R
平
方增加
的不足。
?
Root MSE = square root of
RSS/n-k
：模型的平均解释能力
?
The F-statistic
=
(ESS/k-1)/(RSS/n-k)
：模型的总解释能力
2.3 Correctly interpreting the
coefficients
1
、假如想检验
< br>big6
的审计费用在公开发行和非公开发行公司之间的区别时，可用交互变量。
Big6*listed.
10
2
、变量回归系数的解释
(1)
对连续变量系数的解释：估计系数的经济意义是指
< br>X
对
Y
的影响，可以有不同的方
法来衡
量：一种是用
X
从
25%
变动到
75%
时
Y
的变动量。或
X
变动一个标准差时
Y
的变动。
?
reg
auditfees totalassets
?
sum totalassets
if auditfees<., detail
?
gen
fees_low=_b[_cons]+_b[totalassets]*r(p25)
?
gen
fees_high=_b[_cons]+_b[totalassets]*r(p75)
?
sum fees_low
fees_high
（
2
）对非
连续变量的解释
一般使用
0
和
1
，而不是百分比。
?
reg lnaf big6
?
gen
fees_nb6=exp(_b[_cons])
?
gen fees_b6=exp(_b[_cons]+_b[big6])
?
sum fees_nb6
fees_b6
2.4 Examining the residuals
1
、报告结果时，不仅用
R
< br>平方来衡量显著性，而且需要报告其他统计结果：
?
is there
significant heteroscedasticity?
?
is there any
pattern to the residuals?
?
are there any problems of outliers?
2
、
R2
的使用：<
/p>
Gu (2007) points out that:
?
econometricians
consider
R2
values
to
be
relatively
unimportant
(accounting
researchers put
far too much emphasis on the magnitude of the R2)
?
regression R2s
should not be compared across different samples
?
in
contrast there is a large accounting literature
that uses R2s to determine whether
the
value relevance of accounting information has
changed over time
。
11
The R2 tells us nothing about whether
our hypothesis about the determinants of Y is
correct.
3
、适当使用
re
sid
来评估模型的优劣。
2.5
Multiple regression
1
、判断模型中有
无忽略相关解释变量：
?
theory
?
prior empirical
studies
2
、
检验残差和所预测的值之间是否独立：
?
gen listed=0
?
replace listed=1 if
companytype==2 |
companytype==3 |
companytype==5
?
reg lnaf lnta big6 listed
?
predict
lnaf_hat
（求预测值，因变量的估计值）
?
predict
lnaf_res, resid
（将残差赋值给变量
lna
f_res
）
?
twoway
(scatter
lnaf_res
lnaf_hat)
(lfit
lnaf_res
lnaf_hat)(
检验残差和预测值之间是
否相关
)
3
、另一种命令可以实现以上功能：
?
reg lnaf lnta
big6 listed
?
rvfplot
2.6
Heteroscedasticity
(hettest)
异方差性
1
、检验方差齐性的方法：
回归后使用
hettest
命令：
?
reg
auditfees nonauditfees totalassets big6 listed
?
hettest
3
、
方差齐
性不会使系数有偏，但会使使系数的标准差有偏。产生的原因有可能是数据
本身有界限，
产生高的偏度。一些方差不齐可以通过取对数消除。当发现不齐性时
使用
Huber/White/sandwich
estimator
对标准差进行调整。
STATA
可以在回归时加上
robust
来实现。
?
reg auditfees
nonauditfees totalassets big6 listed, robust
加
robust
后的回归系数相同，但标准差不同
，
T
值变小，
P
值变大，
F
值变小，
R2
不
变。
2.7
Correlated errors(
自变量相关
)
1
、
The residuals
of a given firm are correlated across years
(
“
time series dependence
”
)
，
面板数据
12
（
In panel
data
）
,
同一公司不可观测的特
性对不同年度都会产生一定的影响，这时就会使数
据不独立。
t
here are likely to be unobserved company-specific
characteristics that are relatively
constant over time
?
2
、标准差会下偏，
This
problem
can
be
avoided
by
adjusting
the
standard
errors
for
the
clustering of yearly observations
across a given company
3
、消除变量相关问题：
在回归中加入
robust cluster()
reg lnaf lnta big6 listed,
robust cluster (companyid)
4
、如何验证同一公司不同年度数据的残差的相关性
?
reg lnaf lnta
?
predict res, resid
?
keep companyid
year res
?
sort
companyid year
?
drop if
companyid==companyid[_n-1] & year==year[_n-1]
?
reshape wide
res, i( companyid) j(year)
?
browse
?
pwcorr
res1998-
res2002
5
、在使用面板数据时应注意：
?
只用
ro
bust
控制
heteroscedasticity
，
而未用
cluster(
)
控制
time-series de
pendence
，
T
统计量也会上偏
。
?
如果
heteroscedasti
city
也未控制，
T
统计量会上偏更
严重。
?
因此在使用面板数据时应加入
robust
cluster()
option,
otherwise
your
“significant”
results from
pooled regressions may be spurious.
2.8
Multicollinearity
1
、什么情况下会产生多重共线性
?
We have seen
that when there is perfect collinearity between
independent variables,
STATA
will
have
to
exclude
one
of
them.
For
example,
year_1
+
year_2
+
year_3
+
year_4 + year_5 = 1
?
reg
lnaf year_1 year_2 year_3 year_4 year_5, nocons
?
STATA
automatically throws away one of the year dummies
so that the model can be
estimated
?
Even
if
the
independent
variables
are
not
perfectly
collinear,
there
can
still
be
a
problem if they are highly
correlated
2
、后果：
?
the
standard
errors
of
the
coefficients
to
be
large
(i.e.,
the
coefficients
are
not
estimated
precisely)
?
the
coefficient estimates can be highly unstable
3
、衡量方法：
Variance-inflation factors (VIF)
可用来衡量是否存在多重共线性。
?
reg lnaf lnta
big6 lnta1
?
vif
13
?
reg
lnaf lnta big6
?
vif
4
、
多重共
线性的严重程度：如果为
10
时可判断为高，为
20
时可判断为非常高。
2.9 Outlying observations
1<
/p>
、异常值的衡量
Cook
’
s D
?
We can
calculate the influence of each observation on the
estimated coefficients using
Cook
’
s D
?
Values
of
Cook
’
s
D
that
are
higher
than
4
/N
are
considered
large,
where
N
is
the
number of observations
used in the regression
2
、异常值的计算
?
reg lnaf lnta
big6
?
predict
cook, cooksd
（将
cooksd
< br>的值赋给
cook
）
?
sum cook,
detail
?
gen
max=4
/e(N) (
求
max,
e(N)
是回归过程中的内部已知变量
)
?
count if
cook>max & cook<.
4
、
去掉异常值后重新回归
?
reg lnaf lnta
big6 if cook<=max
5
、用<
/p>
winsorize
方法消除异常值
:<
/p>
其缺点是
A
disadvantage
with
“
winsorizing
”
is
that
the
researcher is assuming that outliers
lie only at the extremes of the
variable
’
s
distribution
。
?
winsor lnaf,
gen(wlnaf) p(0.01)
?
winsor lnta, gen(wlnta) p(0.01)
?
sum lnaf wlnaf
lnta wlnta, detail
?
reg wlnaf wlnta big6
2.10
Median regression
1
、中位数回归是当存
在异常值问题时使用。
2
、原理：
OLS
估计是尽量使残差平方和最小：
中位数回归是尽量使
the sum
of the absolute residuals
最小。
3
、
回归方
法：
STATA
将中位数回归看作是
q
uantile regressions
的一个特例。
qreg lnaf lnta big6
2.11
“
Looping
”
1
、当多次用到一
个命令集时，我们可以建立一个程序集，以
program
开头
，以
forvalues
引
14
导的内容，以
end
结束。使用时只须输入程序名“
ten
”
即可执行程序中的一引起命令集。
Example:
program ten
forvalues i = 1(1)10 {
display `i'
}
end
2
、修改命令集：
须首先删除内存中的命令集：
capture program
drop ten
然后重新编写。
4
、
例子：
利用
JONES
模型计算操控性应计。
?
use
?
gen
one_sic=int(sic/1000)
?
gen ncca= current_assets- cash
?
gen ndcl=
current_liabilities- debt_in_current_liabilities
?
sort cik year
?
gen
ch_ncca=ncca-ncca[_n-1] if cik==cik[_n-1]
?
gen
ch_ndcl=ndcl-ndcl[_n-1] if cik==cik[_n-1]
?
gen
accruals=(ch_ncca-ch_ndcl)/assets[_n-1] if
cik==cik[_n-1]
?
gen lag_assets=assets[_n-1] if
cik==cik[_n-1]
?
gen ppe_scaled=ppe/assets[_n-1] if
cik==cik[_n-1]
?
gen chsales_scaled=(sales-
sales[_n-1])/assets[_n-1] if cik==cik[_n-1]
?
gen ab_acc=.
?
capture program
drop ab_acc
?
program ab_acc
?
forvalues i = 0(1)9 {
?
capture reg
accruals lag_assets
ppe_scaled chsales_scaled if one_sic==`i'
?
capture predict
ab_acc`i' if one_sic==`i', resid
?
replace ab_acc=
ab_acc`i' if one_sic==`i'
?
capture drop ab_acc`i'
?
}
?
end
?
ab_acc
15
第三章
因变量为非连续性变量时的回归分析
内容简介：
?
3.1 Why not
OLS?
?
3.2 The basic idea underlying logit
models
?
3.3
Estimating logit models
?
3.4 Multinomial
models
?
3.5 Ordinal dependent variables
?
3.6 Count data
models
?
3.7
Tobit models and interval regression
?
3.8 Duration
models
?
3.1 Why not OLS?
1
、
two
statistical
problems
if
we
use
OLS
when
the
dependent
variable is
categorical:
?
The predicted values can be negative or
greater than one
?
The standard errors are biased because
the residuals are heteroscedastic.
2
、
Instead of OLS, we can use a logit
model
?
3.2 The basic idea underlying logit
models
1
、
We need
to create a variable that:
将离散型的因变量转变为符
合
OLS
的形式。
?
has an infinite
range,
?
reflects
the likelihood of choosing a big6 auditor versus a
non-big6 auditor.
2
< br>、
“
odds
ration
”可实现上面的两项要求：
log(odds
ration)
3
、
具体例子：
16
第一列为
big6
的可能性，第二列和
第三列为优势比率，第四列为取自然对数后的值。
4
、
L
和
P
之间的转换关系。
5<
/p>
、似然函数：使用最大似然法估计（
maximum
likelihood” estimation
）
6
、回归命令
logit
和
logistic
?
logit reports
the values of the estimated coefficients
?
logistic
reports the odds ratios
一般报告系数估计所以使用
logit
。
17
7
、模型
的解释能力参数：
pseudo-R2
和
Chi2
?
p
seudo-R2 =
(ln(L
0
) -
ln(L
N
)) /
ln(L
0
) =
(-175224+146215) / -175224
ln(L0)
是第一个回归值，
ln(LN)
是最后一个回归值。
?
Chi2 = -2(ln(L
0
)
- ln(L
N
)) =
-2*(-175224+146215) = 58018
?
3.3 Estimating
logit models
1
、回归模型
?
logit big6 lnta
age, robust cluster(companyid)
加入
robust
命令是为了纠正异方差，加入
clus
ter()
是为了纠正相关性错误。
2
、预测因变量的可能性
?
logit big6 lnta
age, robust cluster(companyid)
?
drop big6hat
?
predict big6hat
?
sum big6hat,
detail
用此命令产生的预测值为以下公式：
另一种产生预测因变量可能性的方法：
?
gen
big6hat2=exp(big6hat1)/(1+exp(big6hat1))
?
sum big6hat
big6hat1 big6hat2
3
、产生预测因变量的值：
?
gen big6hat1 =
_b[_cons]+_b[lnta]*lnta + _b[age]*age
?
sum big6hat1,
detail
另一种方法是
predict big6hat1, xb
4
、
计算自变量变动对因变量可能性的影响：
?
logit big6 lnta
age, robust cluster(companyid)
?
gen
big10
=
exp(_b[_cons]+_b[lnta]*lnta
+
_b[age]*10)
(1+(exp(_b[_cons]+_b[lnta]*lnta +
_b[age]*10)))
?
gen
big20
=
exp(_b[_cons]+_b[lnta]*lnta
+
_b[age]*20)
(1+(exp(_b[_cons]+_b[lnta]*lnta +
_b[age]*20)))
?
sum big10 big20
5
、检验因变量与自变量之间单调性的方法：
?
xtile
lnta_categ=lnta, nquantiles(10)
?
tabulate
lnta_categ, gen (lnta_)
?
logit big6
lnta_2- lnta_10
age, robust cluster(companyid)
6
、另一种估计方法
probit
Log
it
把
P
（
Y
=1
）转换成
0-1
之间的数据，数据
服从对数分布
Probit
把
P
（
Y=1
）转换成
0-1
之间的数据，数据服从正态分布。似然函数为
18
/
/
?
The
coefficients tend to be larger in probit models
but the levels of statistical significance are
often similar
例子：
?
?
?
?
?
?
capture drop
big6hat big6hat1
logit big6 lnta age,
robust cluster(companyid)
predict
big6hat
probit big6 lnta age, robust
cluster(companyid)
predict big6hat1
pwcorr big6hat big6hat1
3.4
Multinomial models
（多项式模型）
1
、适用情况：
因变量分为三个或以上分类，而且分类不排序，每一个分类都有
1
< br>和
0
两个变量。
如果用
logit
模型分别回归，将使回归后合计的
可能性不等于
1
。
?
将公司类型分为三类
?
gen cotype1=0
if companytype==1 | companytype==6
?
replace
cotype1=1 if companytype==4
?
replace
cotype1=2 if companytype==2 | companytype==3 |
companytype==5
?
将每类变量分为两种情况
?
gen private=0
?
replace
private=1 if cotype1==0
?
gen public_nontraded=0
?
replace
public_nontraded=1 if cotype1==1
?
gen
public_traded=0
?
replace public_traded=1 if cotype1==2
?
用
log
it
模型分单个变量进行回归
?
l
ogit private lnta, robust
cluster(companyid)
?
p
redict private_hat
?
l
ogit public_nontraded lnta,
robust cluster(companyid)
?
p
redict public_nontraded_hat
?
l
ogit public_traded lnta,
robust cluster(companyid)
?
p
redict public_traded_hat
?
合计的可能性不等于
1
?
gen sum_prob=
private_hat+ public_nontraded_hat+
public_traded_hat
?
sum sum_prob,
detail
2
、多于
2
个分类时的因变量回归：
mprobit
或
mlogit
19
-
-
-
-
-
-
-
-
-
上一篇：(完整word版)小学笔画笔顺
下一篇：建筑照明术语标准