1、主要内容 似不相关回归 多元回归模型 联立方程模型第1页/共31页实验实验14-1：似不相关回归：似不相关回归 实验基本原理实验基本原理第2页/共31页第3页/共31页 实验内容及数据来源实验内容及数据来源 本书附带光盘data文件夹下的“usaauto.dta”工作文件，给出了美国汽车产业的横截面数据。主要变量包括：price=汽车的价格，mpg=每加仑油所行驶的英里数，weight=汽车的重量，foreign=是否进口车（0代表是国产车），length=汽车长度，displacement=内燃机气缸的工作容积。利用这些数据，我们拟合两个方程，分析汽车长度、产地对其重量的影响，以及汽车每加仑
2、油所能行驶的里程、产地、内燃机气缸的工作容积对其价格的影响。考虑到两个方程的扰动项可能相关，我们使用似不相关回归模型。这样，利用“usaauto.dta”的数据，我们来讲解似不相关回归的操作以及模型的预测。第4页/共31页 实验操作指导实验操作指导1 似不相关回归的操作似不相关回归的操作第5页/共31页 对于“usaauto.dta”的数据，我们同时拟合两个方程，来分析汽车长度、产地对其重量的影响，以及汽车每加仑油所能行驶的里程数、产地、内燃机气缸的工作容积对其价格的影响。这样，输入命令：sureg(weight length foreign)(price mpg foreign displa
3、cement),corr small dfk 其中，sureg为似不相关回归的基本命令，weight为第一个方程的被解释变量，foreign和length是第一个方程的解释变量；price是第二个方程的被解释变量，mpg、foreign和displacement是第二个方程的解释变量。选项corr表示进行BreuschPagan自相关检验，small表示汇报小样本统计量，dfk表示计算残差的协方差矩阵时进行小样本调整。第6页/共31页 此外，如果我们想拟合两个方程，其解释变量相同，都是length和foreign，而被解释变量分别为weight和price，则可以输入以下命令：sureg(we
4、ight price=length foreign)其中，等号前的变量代表各方程的被解释变量，等号后的变量代表各方程相同的解释变量。这里需要注意的是，命令中的括号必不可少。当然，对于这个问题，我们也可以采用命令：sureg(weight=length foreign)(price=length foreign)其结果与前面的结果相同。对于前面的回归，如果我们要给第一个方程命名为eq1，给第二个方程命名为eq2，则可以输入命令：sureg(eq1:weight length foreign)(eq2:price mpg foreign displacement),corr small dfk 这
5、里，括号中的冒号前为方程名，冒号后为被解释变量和解释变量。第7页/共31页 2 似不相关回归的预测似不相关回归的预测 拟合完似不相关回归模型之后，进行预测的基本命令为：predict type newvar if in,equation(eqno,eqno)statistic 其中，predict是预测的基本命令语句，newvar代表生成的新变量的名称，type代表新变量的类型，if代表条件语句，in代表范围语句，选项equation()指定要预测的方程，eqno代表方程号或方程名，statistic代表要预测的统计量。表14.2给出了各statistic统计量及其含义。第8页/共31页第9页
6、/共31页 在前面的回归之后，我们要对两个方程的拟合值进行预测，可输入命令：predict pweight,equation(#1)predict pprice,equation(#2)其中，第一步是对第一个方程的拟合值进行预测，并将其命名为pweight；第二步是对第二个方程的拟合值进行预测，并将其命名为pprice。下面，我们看一下原序列值和预测值的描述统计量。输入命令：summarize price pprice weight pweight第10页/共31页 如果我们对两个方程的预测值之差感兴趣，可以输入命令：predict diff,equation(price,weight)dif
7、ference 这里，选项表明，我们计算方程price的预测值和方程weight的预测值之差，并将其命名为diff。下面，我们生成一个新变量diff2，为预测值pprice和pweight之差。输入命令：gen diff2=pprice-pweight 我们来看一下diff和diff2的前5个值。输入命令：list diff diff2 in 1/5第11页/共31页实验实验14-2：多元回归模型：多元回归模型 实验基本原理实验基本原理 对于多方程的模型，如果几个方程的解释变量都相同，则我们称模型为多元回归模型（multivariate regression，区别于multiple regre
8、ssion）。这种模型与似不相关回归模型在本质上是一致的，但Stata中存在专门的命令对其进行回归。如我们在似不相关回归的实验原理处所讲，当各方程包含的解释变量完全相同时，SUR和单一方程OLS 的结果完全相同。同理，对多元回归模型进行估计的结果和对每个方程分别进行OLS估计所得到的系数和标准误是一样的。但多元回归模型可以计算出各方程扰动项的相关系数，并且可以对多个方差的系数进行联合检验。第12页/共31页 实验内容及数据来源实验内容及数据来源 仍然使用实验14-1的数据，即本书附带光盘data文件夹下的“usaauto.dta”工作文件。利用这些数据，我们拟合两个方程，被解释变量分别为汽车重
9、量和汽车价格，解释变量都是汽车的长度和产地。考虑到两个方程的解释变量相同，我们使用多元回归模型。这样，利用“usaauto.dta”的数据，我们来讲解拟合多元回归模型的操作以及系数的检验和模型的预测。第13页/共31页 实验操作指导实验操作指导1 多元回归模型的操作多元回归模型的操作第14页/共31页 对于“usaauto.dta”的数据，我们同时拟合两个方程，来分析汽车长度、产地对其重量和价格的影响。这样，输入命令：mvreg weight price=length foreign,corr 其中，mvreg为多元回归模型的基本命令，weight和price分别为两个方程的被解释变量，len
10、gth和foreign是两个方程的解释变量。选项corr表示汇报两方程残差的相关矩阵。这里需要注意的一点是，等号两边必须都留有空格，否则Stata会显示语法错误的提示。第15页/共31页 2 多元回归模型的系数检验多元回归模型的系数检验 拟合完多元回归模型后，我们可以对系数进行检验。当然，对于本例，由于各个系数本身都是显著的，我们可以期待任何两个系数也会是联合显著的。但为了说明操作，我们这里还是进行相应的检验。例如，我们要检验两方程的foreign的系数是否联合为0，可输入命令：test weightforeign priceforeign 这里，test是进行检验的基本命令，weightfo
11、reign代表方程weight中foreign的系数，priceforeign代表方程price中foreign的系数。这里，我们要检验这两个系数是否同时为0。当然，如果我们要检验所有方程某一变量的系数是否同时为0，可以不必输入方程名，直接在test命令后加变量名即可。对于上面的检验，我们还可以通过如下命令实现：test foreign 该命令会得到与前面相同的结果。第16页/共31页 3 多元回归模型的预测多元回归模型的预测 拟合完多元回归模型之后，进行预测的基本命令为：predict type newvar if in,equation(eqno,eqno)statistic 其中，pre
12、dict是预测的基本命令语句，newvar代表生成的新变量的名称，type代表新变量的类型，if代表条件语句，in代表范围语句，选项equation()指定要预测的方程，eqno代表方程号或方程名，statistic代表要预测的统计量。可用的statistic统计量与似不相关回归的预测处相同，详见表14.2。第17页/共31页实验14-3：联立方程模型 实验基本原理实验基本原理第18页/共31页第19页/共31页实验内容及数据来源实验内容及数据来源本书附带光盘data文件夹下的“macroeco.dta”工作文件，给出了美国的宏观经济数据。主要变量包括：yr=年，consump=消费，prof
13、its=私人部门利润，profits1=私人部门上一年利润，wagepriv=私人部门工资收入，wagegovt=政府部门工资收入，wagetot=总工资收入，invest=投资，capital1=上一年的资本存量，totinc=总收入（总需求），totinc1=上一年的总收入，govt=政府支出，taxnetx=税收+净出口。利用这些数据，我们拟合三个方程，分析各种因素对消费、投资和工资收入的影响。考虑到一个方程的被解释变量可能另一个方程的解释变量，我们使用联立回归模型。这样，利用“macroeco.dta”的数据，我们来讲解联立方程模型的拟合及预测等内容。第20页/共31页 实验操作指导实
14、验操作指导1 拟合联立方程模型的基本操作拟合联立方程模型的基本操作第21页/共31页第22页/共31页第23页/共31页这样，要拟合这个模型，我们输入命令：reg3(consump profits profits1 wagetot)(invest profits profits1 capital1)(wagepriv totinc totinc1 year),endog(totinc wagetot profits)exog(govt wagegovt taxnetx)其中，reg3是拟合联立方程模型的基本命令，第一个方程的被解释变量为consump，解释变量为profits、profits1
15、和wagetot；第二个方程的被解释变量为invest，解释变量为profits、profits1和capital1；第三个方程的被解释变量为wagepriv，解释变量为totinc、totinc1和year。选项endog()给出了左端项未包括的内生解释变量，exog()给出了行为方程没包括的其他外生变量。需要注意的是，选项endog()必须设定，如果不设定，则stata会默认totinc、wagetot和profits为外生变量；而选项exog()也是必须的，因为变量govt、wagegovt和taxnetx是系统的一部分，但却未出现在任何行为方程中。第24页/共31页 当然，我们也可以使
16、用选项inst()来列出全部的外生变量，而不使用选项endog()和exog()。对于我们的这个回归，相应的命令为：reg3(consump profits profits1 wagetot)(invest profits profits1 capital1)(wagepriv totinc totinc1 year),inst(profits1 capital1 totinc1 year govt wagegovt taxnetx)这里，选项inst()中列出了模型全部的外生变量，而未被列出的变量即被认为是内生变量。该命令的结果前面相同。第25页/共31页2 带约束的联立方程模型带约束的联立
17、方程模型定义约束的命令为：constraint 1 consumpwagepriv=consumpwagegovt这里，我们将约束命名为1，且令方程consump中变量wagepriv 的系数等于方程consump中变量wagegovt的系数。需要注意的是，由于reg3是系统估计，定义约束时必须要在变量名前用中括号括起方程的名称。下面，我们进行模型的估计。输入命令：reg3(consump profits profits1 wagegovt wagepriv)(invest profits profits1 capital1)(wagepriv totinc totinc1 year),end
18、og(totinc profits)exog(govt wagegovt taxnetx)constraints(1)其中，选项constraints(1)表明在回归中使用约束1。第26页/共31页 3 联立方程模型的预测联立方程模型的预测 拟合完联立方程模型之后，进行预测的基本命令为：predict type newvar if in,equation(eqno,eqno)statistic 其中，predict是预测的基本命令语句，newvar代表生成的新变量的名称，type代表新变量的类型，if代表条件语句，in代表范围语句，选项equation()指定要预测的方程，eqno代表方程号或
19、方程名，statistic代表要预测的统计量。可用的statistic统计量与似不相关回归的预测处相同。表14.2列出了各选项其含义。第27页/共31页习题 1.利用本书附带光盘data文件夹下的“chinamacro.dta”工作文件，进行小型中国宏观经济模型的拟合。主要变量包括：gdp=国内生产总值GDP（支出法），y=减去净出口的总产出，cu=城镇消费，cr=农村消费，i=固定资产形成总额，iu=城镇居民人均可支配收入，ir=农村居民家庭人均纯收入，dl=固定资产贷款，M2=广义货币，y1=第一产业增加值，ig=存货增加，M1=狭义货币供给量，cg=政府消费，t1=农业税，ia=农业固定
20、资产投资占全社会固定资产投资的比重，rl=一年期贷款利率，rd=一年期存款利率，pu=城镇人口，pr=农村人口，p1=第一产业平减指数，p2=GDP平减指数，p3=城镇居民消费价格指数，p4=农村居民消费价格指数，p5=固定资产投资价格指数，p6=居民消费价格指数。第28页/共31页第29页/共31页 2.仍然利用本书附带光盘data文件夹下的“usaauto.dta”工作文件，进行一个三方程模型的估计。对数据的具体描述见第六章的实验6-1。模型的第一个方程考察汽车的产地、重量、长度对价格的影响，第二个方程考察汽车的产地和重量对每加仑油所行驶的英里数的影响，第三个方程考察汽车的产地和重量对内燃机气缸的工作容积（displacement）的影响。使用两种命令格式进行回归。（提示，可将后两个方程写到一个括号内）3.在习题2的回归之后，约束模型中不显著的系数为0，重新进行回归。4.对习题2的回归进行预测。尝试各种选项的应用。第30页/共31页谢谢您的观看！谢谢您的观看！第31页/共31页
