有哪些令人相见恨晚的 Stata 命令？ - 知乎97被浏览<strong class="NumberBoard-itemValue" title="分享邀请回答0添加评论分享收藏感谢收起拒绝访问 | www.ggdoc.com | 百度云加速
请打开cookies.
此网站 (www.ggdoc.com) 的管理员禁止了您的访问。原因是您的访问包含了非浏览器特征(a1143a7-ua98).
重新安装浏览器，或使用别的浏览器* 估计结果的有效性降低，因为部分工具变量与内生或先决变量的相关性很弱
* 对矩阵尺寸的要求增加
* 解决办法：限制最大的滞后阶数
L(0/1).ys yr1980-yr1984, lags(2) twostep ///
pre(w,lag(1,3))
pre(k,lag(2,3))
*== 系数估计的上下限 * 虽然 Pooled OLS 和 Fixed Effects 估计都是有偏的， * 但是二者却决定了 y_it-1 真是估计值的上界和下界 * 换言之， Pooled OLS 估计高估了真实值 *
而 Fixed effects 估计则低估了真实值
*======================================= *============= 系统GMM估计量 =========== *==============AB95,BB98=============== *=======================================
* Arellano and Bover (1995),
* Blundell and Bond(1998) * Haha(1999), Judson and Owen(1999) * * 适用范围： *
大N，小T * * AB91 的局限 *
(1) 当 y[i,t-1] 的系数较大，即 y[i,t] 表现出强烈的序列相关时； *
(2) 当 Var[u_i]/Var[e_it] 较大时，即个体效应的波动远大于常规干扰项的波动； * AB91 的表现欠佳。 *
原因在于，水平滞后项是差分方程中内生变量的-弱工具变量-； *
因此，需要寻求更佳的工具变量 *
*== 基本思想： * * --- 几个概念 --- * *
水平值 ―― y
差分值 ―― D.y D.x *
水平方程：y_it
= b1*y_it-1
+ u_i + v_it *
可用工具变量：D.y[i,t-1] 可以作为 y[i,t-1] 的工具变量 *
差分方程：D.y_it = b1*D.y_it-1 + b2*D.x_it
+ D.v_it *
可用工具变量：y[i,t-2],y[i,t-3]...都可以作为 D.y[i,t-1]的工具变量 * * --- 差分GMM估计量与系统GMM估计量的区别 --- * *
(1) 差分GMM估计量采用水平值的滞后项作为差分变量的工具变量； *
如 y_it-3 是 D.y_it-1 的工具变量 *
(2) 系统GMM估计量进一步采用差分变量的滞后项作为水平值的工具变量； *
相当于进一步增加了可用的工具变量， *
且估计过程中同时使用水平方程和差分方程 *
(3) 主要原因在于差分GMM的工具变量往往是弱工具变量，即 corr(X,Z) 过低 *
* --- xtabond2 命令---Roodman(2005) * *
既可以估计差分 GMM 估计量，也可以估计系统 GMM 估计量； *
同时可以估计一般化的回归模型 *
提供两阶自相关检验，Sargan检验，Hansen检验，以及工具变量外生性检验 * * --- xtdpdsys 命令--- Stata官方命令，以 xtabond2命令 为基础
*------------------------------------ *---------- xtabond2 命令------------ *------------------------------------ * 适用于 Stata8-10 各个版本 * 既可以完成 -一阶差分GMM估计- * 也可以完成 -系统GMM估计- * 详细参考资料：
Roodman, D. 2006. How to Do xtabond2:
An Introduction to \*
Working Paper 103. Center for Global Development, Washington.
*== 使用 xtabond2 命令得到 -一阶差分估计量-
*- 附加 -noleveleq- 选项即可
* 采用 xtabond2 估计 AB91 文中表4 的结果
* Arellano and Bond (1991), Table 4 * Column (a1)
use abdata, clear
xtabond2 n L(1/2).n L(0/1).w L(0/2).(k ys) yr1980-yr1984,
gmm(L.n) iv(L(0/1).w l(0/2).(k ys) yr1980-yr1984)
nomata noleveleq small
* gmm(*) 填写内生变量的名称
* iv(*) 填写所有外生变量以及自己设定的工具变量的名称
* noleveleq 表示估计过程中不使用水平方程，即为差分GMM估计量
est store aba1_ab2
n L(0/1).w L(0/2).(k ys) yr1980-yr1984, lags(2)
est store aba1_ab
esttab aba1_ab2
aba1_ab, mtitle(aba1_ab2 aba1_ab)
* Column (a2)
* 两阶段估计
xtabond2 n L(0/1).w L(0/2).(k ys) L(1/2).n yr1980-yr1984,
gmm(L.n) iv(L(0/1).w l(0/2).(k ys) yr1980-yr1984)
small twostep
est store aba2_ab2
n L(0/1).w L(0/2).(k ys) yr1980-yr1984, lags(2) twostep
est store aba2_ab
esttab aba2_ab2
aba2_ab, mtitle(aba2_ab2 aba2_ab)
*=== 一阶差分估计量 部分解释变量内生
* 一阶段估计
xtabond2 n L.n L(0/1).(w k) yr1980-yr1984,
gmm(L.(w k n)) iv(yr1980-yr1984)
noleveleq noconstant small robust
est store fd_1s
* 两阶段估计
xtabond2 n L.n L(0/1).(w k) yr1980-yr1984,
gmm(L.(w k n)) iv(yr1980-yr1984)
noleveleq robust small twostep
est store fd_2s
esttab fd_1s fd_2s, mtitle(fd_1s fd_2s)
*== 系统 GMM 估计量
xtabond2 n L.n L(0/1).(w k) yr1978-yr1984,
gmm(L.n) iv(L(0/1).(w k) yr1978-yr1984)
robust small
*-- gmm() 选项
设定内生变量和先决变量，它们的工具变量将有多列，GMM
*-- iv() 选项
设定严格外生变量，作为自己的工具变量，在工具变量矩阵中仅占一列
*-- 差分方程和水平方程
默认情况下，差分方程和水平方程都参与估计
*-- robust 选项
(1) 对于一阶段估计(不附加twostep选项)，
采用传统异方差-序列相关稳健型估计量计算标准误；
(2) 对于两阶段估计(附加twostep选项)，
采用Windmeijer(2005)纠偏估计量计算标准误；
*-- Sargan检验
Sargan test of overid. restrictions: chi2(34)
34 = 47 - 13 （13是外生变量的个数，包含常数项）
可见，无论采用Sargan检验还是Hansen J检验，都拒绝了工具变量合理的原假设
* 指定工具变量应用于 水平方程 还是 差分方程
* 例如，假设 w, k, 以及年度虚拟变量都是外生的(当然，这一假设可能并不合理)
xtabond2 n L.n L(0/1).(w k) yr1978-yr1984, gmm(L.n)
iv(L(0/1).(w k) yr1978-yr1984, eq(level))
robust small twostep
est store sys_wkexg
* 将 w 和 k 都设定为内生变量
* yr dummies 仅出现在水平方程中
xtabond2 n L.n L(0/1).(w k) yr1978-yr1984,
gmm(L.(w k n)) iv(yr1978-yr1984, eq(level))
robust small twostep
est store sys_wkendog_lev
* yr dummies 同时出现在水平方程和差分方程中
xtabond2 n L.n L(0/1).(w k) yr1978-yr1984,
gmm(L.(w k n)) iv(yr1978-yr1984, eq(both))
robust small twostep
est store sys_wkendog_both
* 结果对比
local mm \
esttab `mm', mtitle(`mm') compress
*--------------------------- *------ xtdpdsys 命令------ *--------------------------- * 仅适用于 Stata10 版本
* 中国上市公司资本结构动态调整
use xtcs.dta, clear
qui tab year, gen(yr)
* Case I：假设所有解释变量均为外生变量(L.tl除外)
local xx \
xtdpdsys tl `xx', vce(robust) twostep
ln(2) / (1 - _b[L1.tl])
/*调整半周期*/
est store dycs_2sys
* 设定说明：
* (1) 无需设定 L.tl, 因为 xtdpdsys 默认设定被解释变量的滞后一期为解释变量，
而且该变量被自动设定为内生变量；
* (2) 稳健型估计采用 vce(robust) 选项加以设定；
* (3) 该命令不会自动进行 AR(2)序列相关检验和Sargan过度识别检验
* 序列相关检验
estat abond
* 过度识别检验
estat sargan
/*稳健型估计下无法获得Sargan统计量*/
* 正确方法
local xx \
xtdpdsys tl `xx', twostep
estat sargan
* Case II：假设Tobin和npr为先决变量
local xx \此处不应再包含 tobin和npr*/
xtdpdsys tl `xx', pre(tobin npr,lag(1,.)) twostep
est store dycs_2pre
estat abond
estat sargan
* Case III：假设Tobin和npr为内生变量
local xx \此处不应再包含 tobin和npr*/
xtdpdsys tl `xx', endog(tobin npr,lag(1,.)) twostep
est store dycs_2endog
estat abond
estat sargan
* Case IV: 假设除了年度虚拟变量和公司规模外，所有解释变量均为先决变量
local xx \
xtdpdsys tl `xx', pre(tobin npr,lag(1,.))
pre(tang ndts) twostep
est store dycs_2preAll
estat abond
estat sargan
* 假设除 L.tl 外的所有解释变量外生最为合适。
OLS 估计(调整系数的上限)
local xx \
reg tl L.tl `xx', robust
est store dycs_2OLS
估计(调整系数的下限)
local xx \
xtreg tl L.tl `xx', robust fe
est store dycs_2FE
* 结果对比
local mm \
local ss \
esttab `mm',mtitle(`mm') scalar(`ss') compress
(1) 估计出的调整系数介于合理的范围内，即OLS和FE之间；
(2) 就模型设定而言，dycs_2sys 最为合理，即把所有解释变量均设定为外生变量。
* 调整半周期为：
local xx \
xtdpdsys tl `xx', vce(robust) twostep
ln(2) / (1 - _b[L1.tl])
/*调整半周期*/
xtabond2 logy l.logy h inv gov open fdi yr4-yr14,
/// gmm(l.logy h) iv(gov open fdi yr4-yr14)robust twostep豆丁微信公众号
君，已阅读到文档的结尾了呢~~
stata命令表
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
stata命令表
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='http://www.docin.com/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口Stata软件有哪些使用tips吗？0人已关注
一界面启动STATA后，将会看到一个工具栏和四个窗口——Review，Variables，Results 和 Command窗口。工具栏中的按钮从左到右依次是Open, Save, Print Graph/Print Log, Log Start/Stop/Suspend, Bring Log to Front, Bring Graph to Front, Do-file Editor, Data Editor, Data Browser, Clear –more- condition, Break。Command窗口是用来输入命令的，Review窗口显示已输入的命令，Results窗口显示程序或命令运行的结果，Variables窗口显示正在使用的数据集中所有变量的名称。二命令输入STATA输入命令的方式有两种，一种是在Command窗口逐条键入，每键入一条命令语句，敲回车后语句即被执行；另一种方法是利用程序编辑器：在STATA的工具栏上有一个“do-file editor”的按钮，单击后程序编辑器的窗口就出现在其他窗口之前。在这个窗口中，可以连续键入若干条命令后，单击工具栏中的do按钮，运行整个程序并在Results窗口输出每步的运行结果）。注意退出前将程序保存为.do文件。三运行结果记录如果要记录运行结果,需要在执行程序之前打开或新建一个log文件,方法是单击STATA工具栏上的Open Log,然后在弹出的对话框中指明路径和文件名;如果你打开的是一个已经存在的log文件,STATA将会问你是将新的记录追加在文件后,还是覆盖原有文件。点击close/suspend Log, 选择close或suspend log file将关闭或暂时中止记录。也可以使用log命令：建立一个新的log文件，键入 & log using &filename追加在 filename.log 后, 键入 & log using &filename,append覆盖filename.log , 键入 &log using &filename,replace关闭一个log文件，键入 &log close一界面启动STATA后，将会看到一个工具栏和四个窗口——Review，Variables，Results 和 Command窗口。工具栏中的按钮从左到右依次是Open, Save, Print Graph/Print Log, Log Start/Stop/Suspend, Bring Log to Front, Bring Graph to Front, Do-file Editor, Data Editor, Data Browser, Clear –more- condition, Break。Command窗口是用来输入命令的，Review窗口显示已输入的命令，Results窗口显示程序或命令运行的结果，Variables窗口显示正在使用的数据集中所有变量的名称。二命令输入STATA输入命令的方式有两种，一种是在Command窗口逐条键入，每键入一条命令语句，敲回车后语句即被执行；另一种方法是利用程序编辑器：在STATA的工具栏上有一个“do-file editor”的按钮，单击后程序编辑器的窗口就出现在其他窗口之前。在这个窗口中，可以连续键入若干条命令后，单击工具栏中的do按钮，运行整个程序并在Results窗口输出每步的运行结果）。注意退出前将程序保存为.do文件。三运行结果记录如果要记录运行结果,需要在执行程序之前打开或新建一个log文件,方法是单击STATA工具栏上的Open Log,然后在弹出的对话框中指明路径和文件名;如果你打开的是一个已经存在的log文件,STATA将会问你是将新的记录追加在文件后,还是覆盖原有文件。点击close/suspend Log, 选择close或suspend log file将关闭或暂时中止记录。也可以使用log命令：建立一个新的log文件，键入 & log using &filename追加在 filename.log 后, 键入 & log using &filename,append覆盖filename.log , 键入 &log using &filename,replace关闭一个log文件，键入 &log close
相关标签：
关注我们咨询服务合作法律法规京ICP备号
下载申请方APP
即刻拥有你的学业规划助手