——关于这篇笔记，有的人嘴上说着不想写，下笔实际上很快乐。第一步 导入excel文件clear #清除所有变量cd D:\stata_data #数据保存的地址import excel sample.xlsx, firstrow #导入数据，文件名为sample.xlsx，把第一行作为变量名tsset t#建立时间序列 若不存在时间变量可忽略 此处以x1,x2,x3,x3作为自变量，y作为因变量，t为时间变量。 若需建立对数模型，则可利用generate生成新变量。 generate logy = log10(y)#生成变量名为logy的新变量 第二步 多变量线性回归regress y x1 x2 x3#对模型进行最小二乘法估计 运行结果 
回归方程： 
第三步 多重共线性检验estat vif#方差扩大因子法检验 当VIF≥10，则认为自变量之间有严重的多重共线性。 运行结果 
若模型出现多重共线性，可以剔除一些不重要的解释变量，或增大样本量。 第四步 异方差检验imtest,white#White检验 如果输出的P-Value显著小于0.05，则拒绝原假设，认为存在异方差性。 运行结果 
若模型出现异方差性，则不能用普通的最小二乘法进行估计，需要对原模型进行变换，使之满足同方差性假设，然后进行模型参数估计。通常可以采用加权最小二乘法（weighted least square,WLS）或BOX-COX变换法。 第五步 序列相关性检验首先保证所用的数据必须为时间序列数据。 如果原数据不是时间序列数据，则需要自行定义一个： gen n=_n #生成一个时间序列的标志变量n
tsset n #将这个数据集定义为依据时间序列标志变量n定义的时间序列数据 接下来介绍三种检验方法 （一）残差图检验predict e,r#生成残差值escatter eLe#生成残差散点图 运行结果 （二）DW检验（一阶自相关问题的常用检验法）estat dwatson#DW检验 经验上，DW值在1.8-2.2之间时接受原假设，说明模型不存在一阶自相关，若DW值接近0或4，则拒绝原假设，认为存在一阶自相关。若落在模糊区域，则无法判断。 运行结果 
（三）BG检验estat bgodfrey#BG检验（默认检验一阶自相关） 若输出的P-Value显著小于0.05，则拒绝原假设，认为存在序列相关。 运行结果 
若模型出现自相关，可以考虑用利用Cochrane-Orcutt迭代法进行修正。 后记：一个人往往会在他逃离命运的路上遇见命运，就如同此刻明明不想写论文，但是为了查资料不小心点进来的你一样，嘻嘻。
|
