level 12
际遇海洋
楼主
一、异方差问题
Stata检查是否存在异方差的方法：1.看残差图 【 模型回归之后使用即可】
rvfplot（残差与拟合值的散点图）
rvpplot（残差与解释变量的的散点图）
2.怀特(White,1980）检验【 模型回归之后使用即可】
estat imtest,white（怀特检验）whitetst（外源程序，需下载）
3.BP(Breusch and Pagan,1979)检验【 模型回归之后使用即可】
estat hettest（默认设置使用拟合值y_hat）
estat hettest（使用方程邮编的解释变量，而不是y_hat）
estat hettest varlist（指定使用某些解释变量）
解决办法：
1.WLS加权最小二乘法
reg y x1 x2 x3 [aw=1/var]
eg: reg y x1 x2 x3
predict e1,res
g e2=e1^2
g lne2=log(e2)
reg lne2 y,noc
predict lne2f
g e2f=exp(lne2f)
reg y x1 x2 x3 [aw=1/e2f]
2.White（1980）
eg: reg y x1 x2 x3,robust3. wls0命令
二、序列相关问题
Stata检查是否存在序列相关的方法：
1.画图
在做完回归之后，先生成残差项e
scatter e L.e
2.BG检验
estat bgodfrey（默认滞后阶数为1）
3.Ljung-Box Q检验
eg: reg y x1 x2 x3
predict e,res
wntestq e
3.DW检验
estat dwatson解决办法：
1.Newey稳健性标准差
newey y x,lag(p) (滞后阶数必选)
2.可行广义最小二乘法（FGLS）
prais y x
prais y x,corc
三、多重共线问题
多重共线性并不会改变OLS估计量BULE的性质，但会使得对系数的估计变得不准确。
Stata检查是否存在多重共线的方法：
estat vif
VIF值越大说明多重共线性问题越严重。一般认为，最大的VIF不超过10，则不存在明显的多重共线性。
解决办法：
1.如果只关心方程的预测能力，则在整个方程显著的条件下，可以不必关心具体的回归系数。
2.增加样本容量，剔除导致多重共线性的变量或者修改模型设定形式。
3.对于时间序列样本，通过使用差分模型可以一定程度上消除原模型中的多重共线性。
4.岭回归方法。
2019年02月27日 12点02分
1
Stata检查是否存在异方差的方法：1.看残差图 【 模型回归之后使用即可】
rvfplot（残差与拟合值的散点图）
rvpplot（残差与解释变量的的散点图）
2.怀特(White,1980）检验【 模型回归之后使用即可】
estat imtest,white（怀特检验）whitetst（外源程序，需下载）
3.BP(Breusch and Pagan,1979)检验【 模型回归之后使用即可】
estat hettest（默认设置使用拟合值y_hat）
estat hettest（使用方程邮编的解释变量，而不是y_hat）
estat hettest varlist（指定使用某些解释变量）
解决办法：
1.WLS加权最小二乘法
reg y x1 x2 x3 [aw=1/var]
eg: reg y x1 x2 x3
predict e1,res
g e2=e1^2
g lne2=log(e2)
reg lne2 y,noc
predict lne2f
g e2f=exp(lne2f)
reg y x1 x2 x3 [aw=1/e2f]
2.White（1980）
eg: reg y x1 x2 x3,robust3. wls0命令
二、序列相关问题
Stata检查是否存在序列相关的方法：
1.画图
在做完回归之后，先生成残差项e
scatter e L.e
2.BG检验
estat bgodfrey（默认滞后阶数为1）
3.Ljung-Box Q检验
eg: reg y x1 x2 x3
predict e,res
wntestq e
3.DW检验
estat dwatson解决办法：
1.Newey稳健性标准差
newey y x,lag(p) (滞后阶数必选)
2.可行广义最小二乘法（FGLS）
prais y x
prais y x,corc
三、多重共线问题
多重共线性并不会改变OLS估计量BULE的性质，但会使得对系数的估计变得不准确。
Stata检查是否存在多重共线的方法：
estat vif
VIF值越大说明多重共线性问题越严重。一般认为，最大的VIF不超过10，则不存在明显的多重共线性。
解决办法：
1.如果只关心方程的预测能力，则在整个方程显著的条件下，可以不必关心具体的回归系数。
2.增加样本容量，剔除导致多重共线性的变量或者修改模型设定形式。
3.对于时间序列样本，通过使用差分模型可以一定程度上消除原模型中的多重共线性。
4.岭回归方法。
