STATA實用學習筆記

北京科技大學STATA應用學習摘錄

第一章STATA的基本操作一、設置內存容setmem500m,perm顯示輸入內容Display1Display“clive”顯示數據集結構describeDescribe/d編輯editEdit重命名變量Renamevar1var2顯示數據集內容list/browseListin1Listin2/10數據導入:數據文件是文本類型（.csv）insheet:.insheetusing“C:\DocumentsandSettings\Administrator\桌面\ST9007\dataset\Fees1.csv”,clear內存為空時才可以導入數據集，否則會出現(xiàn)（youmuststartwithanemptydataset）清空內存中的所有變量：.drop_all導入語句后加入“clear”命令。保存文件save“C:\DocumentsandSettings\Administrator\桌面\ST9007\dataset\Fees1.dta”save“C:\DocumentsandSettings\Administrator\桌面\ST9007\dataset\Fees1.dta”,replace打開及退出已存文件use1、.Use文件路徑及文件名,clear2、.Drop_all/.exit記錄命令和輸出結果（log）開始建立記錄文件：logusing"J:\phd\output.log",replace暫停記錄文件：logoff重新打開記錄文件：logon關閉記錄文件：logclose十一、創(chuàng)建和保存程序文件：（doedit,do）打開程序編輯窗口：doedit寫入命令保存文件，.do.運行命令：.do程序文件路徑及文件名十二、多個數據集合并為一個數據集（變量和結構相同）縱向合并appendinsheetusing"J:\phd\Fees1.csv",clearsave"J:\phd\Fees1.dta",replaceinsheetusing"J:\phd\Fees2.csv",clearappendusing"J:\phd\Fees1.dta"save"J:\phd\Fees1.dta",replace十三、橫向合并，在原數據集基礎上加上另外的變量merge1、insheetusing"J:\phd\Fees1.csv",clearsortcompanyidyearendsave"J:\phd\Fees1.dta",replacedescribeinsheetusing"J:\phd\Fees6.csv",clearsortcompanyidyearendmergecompanyidyearendusing"J:\phd\Fees1.dta"save"J:\phd\Fees1.dta",replacedescribe2、_merge==1obs.Frommasterdata_merge==2obs.Fromusingdata_merge==3obs.Frombothmasterandusingdata十四、幫助文件：help1、.Helpdescribe十五、描述性統(tǒng)計量1、summarizeincorporationyear單個summarizeincorporationyear-big6連續(xù)多個summarize_allorsimplysummarize所有2、更詳細的統(tǒng)計量summarizeincorporationyear,detail3、centilecentileauditfees,centile(0(10)100)centileauditfees,centile(0(5)100)4、tabulate不同類型變量的頻數和比例tabulatecompanytypetabulatecompanytypebig6,column按列計算百分比tabulatecompanytypebig6,row按行計算百分比tabcompanytypebig6ifcompanytype<=3,rowcol同時按行列和條件計算百分比5、計算滿足條件觀測的個數countifbig6==1countifbig6==0|big6==16、按離散變量排序，對連續(xù)變量計算描述性統(tǒng)計量：（1）bycompanytype,sort:summarizeauditfees,detail（2）sortcompanytypeBycompanytype:summarizeauditees十六、轉換變量1、按公司類型將公開發(fā)行股票公司賦值為1，其他為0genlisted=0replacelisted=1ifcompanytype==2replacelisted=1ifcompanytype==3replacelisted=1ifcompanytype==5replacelisted=.ifcompanytype==.十七、產生新變量genGeneratenewvar=表達式十八、數據類型1、數值型StoragetypeBytesMinMaxbyte1-127+100int2-32,767+32,740long4-2,147,483,6472,147,483,620float4-1.70141173319*10381.70141173319*1036double8-8.9884656743*103078.9884656743*103082、字符型StoragetypeBytesMaxlength(characters)str111str222…

str8080803、新建變量的過程中定義數據類型genstr3gender="male"listgenderin1/104、變量所占字節(jié)過長dropgendergenstr30gender="male"browsedescribegendercompressgender5、日期數據類型：%ddates,whichisacountofthenumberofdayselapsedsinceJanuary1,1960。（1）date(日期變量)genfye=date(yearend,"MDY")MDY應根據前面日期的排列順序而定，結果顯示的是距離1960年1月1日的天數listyearendfyein1/10（2）日期格式化%d（顯示fye變量為日期形式，但數值并未真正變動）：formatfye%dlistyearendfyein1/10sumfye（3）利用日期天數求對應的年、月、日genyear=year(fye)genmonth=month(fye)genday=day(fye)listyearendfyeyearmonthdayin1/10（4）將三個分別表示年、月、日的變量合并為一個日期變量dropfyegenfye=mdy(month,day,year)formatfye%dlistyearendfyein1/10(5)將一個數值型的時間數據（20080131）轉變?yōu)镾T可識別的時間數據genyear=int(date/10000)genmonth=int((date-year*10000)/100)genday=date-year*10000-month*100listdateyearmonthdayin1/10genedate=mdy(month,day,year)formatedate%dlistedatedatein1/10十九、存貯統(tǒng)計量的內部變量R（）sumauditfeesgenmeanadjaf=auditfees-r(mean)listmeanadjafin1/10SUM命令后常見的幾種R（）值r(N)Numberofcasesr(sd)Standarddeviationr(sum_w)Sumofweightsr(min)Minimumr(mean)Arithmeticmeanr(max)Maximumr(var)Variancer(sum)Sumofvariable顯示這些變量值的命令sumauditfees,detailreturnlist二十、recode命令（PPT61）1、產生有多個值的變量的啞變量recoderecodeyear(min/1999=0)(2000/max=1),gen(yeardum)min/1999表示小于等于1999的值全部賦值為02000/max表示大于等于2000的值全部賦為1。2、對一個連續(xù)變量按一定值分為不同間隔的組recodegenassets_categ=recode(totalassets,100,500,1000,5000,20000,100000,1000000)。分組的值為每組的上限，包含該值。sortassets_categbyassets_categ:sumtotalassetsassets_categ對一個連續(xù)變量按一定值分為相同間隔的組autocodeautocode(variablename,#ofintervals,minvalue,maxvalue)forexample:genassets_categ=autocode(totalassets,10,0,10000)4、對一個連續(xù)變量按每組樣本數相同進行分組：xtilextileassets_categ=totalassets,nquantiles(10)每組樣本不一定完全相同二十一、一次性計算同一變量不同組別的均值：egen命令按公司類型先排序，再計算每一類型公司審計費用的均值并賦值給新變量：bycompanytype,sort:egenmeanaf2=mean(auditfees)count()mean()median()sum()二十二、_n和_N命令顯示每個觀測的序號并顯示總觀測數sortcompanyidfyecapturedropxgenx=_ncapturedropygeny=_Nlistcompanyidfyexyin1/302、分組顯示每個組中變量的序號和每組總的樣本數capturedropxysortcompanyidfyebycompanyid:genx=_nbycompanyid:geny=_Nlistcompanyidfyexyin1/303、創(chuàng)建新變量等于每個分組中變量的第一個值或最后一個值sortcompanyidfyebycompanyid:genauditfees_first=auditfees[1]bycompanyid:genauditfees_last=auditfees[_N]listcompanyidfyeauditfeesauditfees_firstauditfees_lastin1/304、創(chuàng)建新變量等于滯后一期或滯后兩期的值sortcompanyidfyebycompanyid:genauditfees_lag1=auditfees[_n-1]bycompanyid:genauditfees_lag2=auditfees[_n-2]listcompanyidfyeauditfeesauditfees_lag1auditfees_lag2in1/30二十三、轉變數據集結構：reshape不同數據庫的數據集結構不同：長型是指同一公司不同年度數據在不同的行。寬型數據是指同一數據不同年度數據在現(xiàn)一行。二者間的轉換可通過reshape命令來實現(xiàn)。需要注意的是，在轉換過程中對數據集是有要求的，一個公司只能有一個年度數據，否則會出錯。1、長型轉換為寬型：reshapewideyearendincorporationyearcompanytypesalesauditfeesnonauditfeescurrentassetscurrentliabilitiestotalassetsbig6fye,i(companyid)j(year)2、寬型轉換為長型：reshapelongyearendincorporationyearcompanytypesalesauditfeesnonauditfeescurrentassetscurrentliabilitiestotalassetsbig6fye,i(companyid)j(year)3、第二次轉換時命令可簡化：reshapewidereshapelong二十四、計算CAR的例子：已知股票日回報率，市場回報率，事件日，計算窗口期為三天的CAR。1、定義三天的窗口期：sorttickeredategenwindow=0ifeventdate<.（事件日為0）replacewindow=-1ifwindow[_n+1]==0&ticker==ticker[_n+1]replacewindow=1ifwindow[_n-1]==0&ticker==ticker[_n-1]2、計算AR和CARgenar=ret-vwretdgencar=ar+ar[_n-1]+ar[_n+1]ifwindow==0&ticker==ticker[_n+1]&ticker==ticker[_n-1]3、檢驗listtickeredateretvwretdarcarwindowifwindow<.二十五、means的T檢驗：1、檢驗總體上big6的審計收費有無顯著不同use"J:\phd\Fees.dta",cleargenlnaf=ln(auditfees)bybig6,sort:sumlnaftestlnaf,by(big6)2、分年度比較big6的審計收費有無顯著不同,加入byyear命令。genfye=date(yearend,"MDY")formatfye%dgenyear=year(fye)sortyearbyyear:ttestlnaf,by(big6)3、均值等于特定值得的T檢驗：sumlnafttestlnaf=2.1二十六、meadian的顯著性檢驗：1、獲取中位數的命令：bybig6,sort:sumlnaf,detailbybig6,sort:centilelnaf2、中位數檢驗：medianlnaf,by(big6)ranksumlnaf,by(big6)二十七、列聯(lián)表檢驗：1、創(chuàng)建列聯(lián)表的命令：tabulatecompanytypebig6,row第一個變量是表的最左側一列的項目，第二個變量是表的第一行的項目。2、兩變量之間的相關性檢驗：chi2tabulatecompanytypebig6,chi2row3、相關矩陣：pwcorrlnafbig6yearlisted4、列出相關矩陣并進行符號檢驗pwcorrlnafbig6yearlisted,sig5、在矩陣中列出觀測數pwcorrlnafbig6listedifyear==2000,sigobs二十八、創(chuàng)建一個不包含缺失值的數據集1、無缺失值的變量值為1，至少有一個的為0gensamp=1iflnaf<.&big6<.&year<.&listed<.2、缺失值的變量值表示同一行中缺失值的個數egenmiss=rmiss(lnafbig6yearlisted)summiss,detail二十九、圖形1、直方圖histogramincorporationyear,width(1)histogramincorporationyear,bin(147)width表示分一小份的寬度。bin表示分成的份數。改變寬度值可以使圖像看起來更合適。選擇起始點和間隔寬度：histlnafiflnaf>=0&lnaf<=5,width(0.25)選擇描述橫軸和縱軸的單位和數據標識：histlnafiflnaf>=0&lnaf<=5,width(0.25)xlabel(0(0.5)5)是否與正態(tài)分布一致：histlnafiflnaf>=0&lnaf<=5,width(0.25)normal2、散點圖（scatter）scatterlnaflnta第一個變量是縱軸，第二個變量是橫軸。twoway(scatterlnaflnta,msize(tiny))(lfitlnaflnta)在散點圖上加入最適合的一條直線。三十、縮尾處理winsor.winsorrev,gen(wrev)p(0.01)0.01代表去掉的百分數。Winsorrev,gen(wrev)h(5),5代表去掉的個數

第二章線性回歸內容簡介：2.1Thebasicideaunderlyinglinearregression2.2SinglevariableOLS2.3Correctlyinterpretingthecoefficients2.4Examiningtheresiduals2.5Multipleregression2.6Heteroskedasticity2.7Correlatederrors2.8Multicollinearity2.9Outlyingobservations2.10Medianregression2.11“Looping”2.1Thebasicideaunderlyinglinearregression1．殘差F為真實值，為預測值，ε為殘差。OLS回歸就是使殘差最小。2.基本一元回歸regressyx3．回歸結果的保存回歸結果的系數保存在_b[varname]內存變量中，常數項的系數保存在(_cons)內存變量中。4、預測值及殘差predictyhatpredictyres,residyres即為真實值得與預測值之差。5、殘差與X的散點圖twoway(scattery_resx)(lfity_resx)6、衡量估計系數準確程度：標準誤差。用樣本的標準偏差與系數之間的關系來衡量即T值（用系數除以標準差），同時P值是根據T值的分布計算出來的，表示系數落入標準對應上下限的可能性。前提是殘差符合以下假設：同方差：Homoscedasticity(i.e.,theresidualshaveaconstantvariance)獨立不相關：Non-correlation(i.e.,theresidualsarenotcorrelatedwitheachother)正態(tài)分布：Normality(i.e.,theresidualsarenormallydistributed)7、回歸結果包含的一些內容的意思各變差的自由度：FortheESS,df=k-1wherek=numberofregressioncoefficients(df=2–1)FortheRSS,df=n–kwheren=numberofobservations(=11-2)FortheTSS,df=n-1(=11–1)MS：變差除以自由度：Thelastcolumn(MS)reportstheESS,RSSandTSSdividedbytheirrespectivedegreesoffreedomR平方：TheR-squared=ESS/TSS調整的R平方：AdjR-squared=1-(1-R2)(n-1)/(n-k)，消除了加入相關度不高解釋變量后R平方增加的不足。RootMSE=squarerootofRSS/n-k：模型的平均解釋能力TheF-statistic=(ESS/k-1)/(RSS/n-k)：模型的總解釋能力2.3Correctlyinterpretingthecoefficients1、假如想檢驗big6的審計費用在公開發(fā)行和非公開發(fā)行公司之間的區(qū)別時，可用交互變量。Big6*listed.2、變量回歸系數的解釋(1)對連續(xù)變量系數的解釋：估計系數的經濟意義是指X對Y的影響，可以有不同的方法來衡量：一種是用X從25%變動到75%時Y的變動量。或X變動一個標準差時Y的變動。regauditfeestotalassetssumtotalassetsifauditfees<.,detailgenfees_low=_b[_cons]+_b[totalassets]*r(p25)genfees_high=_b[_cons]+_b[totalassets]*r(p75)sumfees_lowfees_high（2）對非連續(xù)變量的解釋一般使用0和1，而不是百分比。reglnafbig6genfees_nb6=exp(_b[_cons])genfees_b6=exp(_b[_cons]+_b[big6])sumfees_nb6fees_b62.4Examiningtheresiduals1、報告結果時，不僅用R平方來衡量顯著性，而且需要報告其他統(tǒng)計結果：istheresignificantheteroscedasticity?isthereanypatterntotheresiduals?arethereanyproblemsofoutliers?2、R2的使用：Gu(2007)pointsoutthat:econometriciansconsiderR2valuestoberelativelyunimportant(accountingresearchersputfartoomuchemphasisonthemagnitudeoftheR2)regressionR2sshouldnotbecomparedacrossdifferentsamplesincontrastthereisalargeaccountingliteraturethatusesR2stodeterminewhetherthevaluerelevanceofaccountinginformationhaschangedovertime。 TheR2tellsusnothingaboutwhetherourhypothesisaboutthedeterminantsofYiscorrect.3、適當使用resid來評估模型的優(yōu)劣。2.5Multipleregression1、判斷模型中有無忽略相關解釋變量：theorypriorempiricalstudies檢驗殘差和所預測的值之間是否獨立：genlisted=0replacelisted=1ifcompanytype==2|companytype==3|companytype==5reglnaflntabig6listedpredictlnaf_hat（求預測值，因變量的估計值）predictlnaf_res,resid（將殘差賦值給變量lnaf_res）twoway(scatterlnaf_reslnaf_hat)(lfitlnaf_reslnaf_hat)(檢驗殘差和預測值之間是否相關)3、另一種命令可以實現(xiàn)以上功能：reglnaflntabig6listedrvfplot2.6Heteroscedasticity(hettest)異方差性1、檢驗方差齊性的方法：回歸后使用hettest命令：regauditfeesnonauditfeestotalassetsbig6listedhettest方差齊性不會使系數有偏，但會使使系數的標準差有偏。產生的原因有可能是數據本身有界限，產生高的偏度。一些方差不齊可以通過取對數消除。當發(fā)現(xiàn)不齊性時使用Huber/White/sandwichestimator對標準差進行調整。STATA可以在回歸時加上robust來實現(xiàn)。regauditfeesnonauditfeestotalassetsbig6listed,robust加robust后的回歸系數相同，但標準差不同，T值變小，P值變大，F(xiàn)值變小，R2不變。2.7Correlatederrors(自變量相關)1、Theresidualsofagivenfirmarecorrelatedacrossyears(“timeseriesdependence”)，面板數據（Inpaneldata）,同一公司不可觀測的特性對不同年度都會產生一定的影響，這時就會使數據不獨立。therearelikelytobeunobservedcompany-specificcharacteristicsthatarerelativelyconstantovertime2、標準差會下偏，Thisproblemcanbeavoidedbyadjustingthestandarderrorsfortheclusteringofyearlyobservationsacrossagivencompany3、消除變量相關問題：在回歸中加入robustcluster()reglnaflntabig6listed,robustcluster(companyid)4、如何驗證同一公司不同年度數據的殘差的相關性reglnaflntapredictres,residkeepcompanyidyearressortcompanyidyeardropifcompanyid==companyid[_n-1]&year==year[_n-1]reshapewideres,i(companyid)j(year)browsepwcorrres1998-res20025、在使用面板數據時應注意：只用robust控制heteroscedasticity，而未用cluster()控制time-seriesdependence，T統(tǒng)計量也會上偏。如果heteroscedasticity也未控制，T統(tǒng)計量會上偏更嚴重。因此在使用面板數據時應加入robustcluster()option,otherwiseyour“significant”resultsfrompooledregressionsmaybespurious.2.8Multicollinearity1、什么情況下會產生多重共線性Wehaveseenthatwhenthereisperfectcollinearitybetweenindependentvariables,STATAwillhavetoexcludeoneofthem.Forexample,year_1+year_2+year_3+year_4+year_5=1reglnafyear_1year_2year_3year_4year_5,noconsSTATAautomaticallythrowsawayoneoftheyeardummiessothatthemodelcanbeestimatedEveniftheindependentvariablesarenotperfectlycollinear,therecanstillbeaproblemiftheyarehighlycorrelated2、后果：thestandarderrorsofthecoefficientstobelarge(i.e.,thecoefficientsarenotestimatedprecisely)thecoefficientestimatescanbehighlyunstable3、衡量方法：Variance-inflationfactors(VIF)可用來衡量是否存在多重共線性。reglnaflntabig6lnta1vifreglnaflntabig6vif多重共線性的嚴重程度：如果為10時可判斷為高，為20時可判斷為非常高。2.9Outlyingobservations1、異常值的衡量Cook’sDWecancalculatetheinfluenceofeachobservationontheestimatedcoefficientsusingCook’sDValuesofCook’sDthatarehigherthan4/Nareconsideredlarge,whereNisthenumberofobservationsusedintheregression2、異常值的計算reglnaflntabig6predictcook,cooksd（將cooksd的值賦給cook）sumcook,detailgenmax=4/e(N)(求max,e(N)是回歸過程中的內部已知變量)countifcook>max&cook<.去掉異常值后重新回歸reglnaflntabig6ifcook<=max5、用winsorize方法消除異常值:其缺點是Adisadvantagewith“winsorizing”isthattheresearcherisassumingthatoutlierslieonlyattheextremesofthevariable’sdistribution。winsorlnaf,gen(wlnaf)p(0.01)winsorlnta,gen(wlnta)p(0.01)sumlnafwlnaflntawlnta,detailregwlnafwlntabig62.10Medianregression1、中位數回歸是當存在異常值問題時使用。2、原理：OLS估計是盡量使殘差平方和最?。褐形粩祷貧w是盡量使thesumoftheabsoluteresiduals最小?；貧w方法：STATA將中位數回歸看作是quantileregressions的一個特例。qreglnaflntabig62.11“Looping”1、當多次用到一個命令集時，我們可以建立一個程序集，以program開頭，以forvalues引導的內容，以end結束。使用時只須輸入程序名“ten”即可執(zhí)行程序中的一引起命令集。Example:programten forvaluesi=1(1)10{ display`i' }end2、修改命令集：須首先刪除內存中的命令集：captureprogramdropten然后重新編寫。例子：利用JONES模型計算操控性應計。use"J:\phd\accruals.dta",cleargenone_sic=int(sic/1000)genncca=current_assets-cashgenndcl=current_liabilities-debt_in_current_liabilitiessortcikyeargench_ncca=ncca-ncca[_n-1]ifcik==cik[_n-1]gench_ndcl=ndcl-ndcl[_n-1]ifcik==cik[_n-1]genaccruals=(ch_ncca-ch_ndcl)/assets[_n-1]ifcik==cik[_n-1]genlag_assets=assets[_n-1]ifcik==cik[_n-1]genppe_scaled=ppe/assets[_n-1]ifcik==cik[_n-1]genchsales_scaled=(sales-sales[_n-1])/assets[_n-1]ifcik==cik[_n-1]genab_acc=.captureprogramdropab_accprogramab_accforvaluesi=0(1)9{captureregaccrualslag_assetsppe_scaledchsales_scaledifone_sic==`i'capturepredictab_acc`i'ifone_sic==`i',residreplaceab_acc=ab_acc`i'ifone_sic==`i'capturedropab_acc`i'}endab_acc

第三章因變量為非連續(xù)性變量時的回歸分析內容簡介：3.1WhynotOLS?3.2Thebasicideaunderlyinglogitmodels3.3Estimatinglogitmodels3.4Multinomialmodels3.5Ordinaldependentvariables3.6Countdatamodels3.7Tobitmodelsandintervalregression3.8Durationmodels3.1WhynotOLS?twostatisticalproblemsifweuseOLSwhenthedependentvariableiscategorical:ThepredictedvaluescanbenegativeorgreaterthanoneThestandarderrorsarebiasedbecausetheresidualsareheteroscedastic.InsteadofOLS,wecanusealogitmodel3.2Thebasicideaunderlyinglogitmodels1、Weneedtocreateavariablethat:將離散型的因變量轉變?yōu)榉螼LS的形式。hasaninfiniterange,reflectsthelikelihoodofchoosingabig6auditorversusanon-big6auditor.2、“oddsration”可實現(xiàn)上面的兩項要求：log(oddsration)具體例子：第一列為big6的可能性，第二列和第三列為優(yōu)勢比率，第四列為取自然對數后的值。4、L和P之間的轉換關系。5、似然函數：使用最大似然法估計（maximumlikelihood”estimation）6、回歸命令logit和logisticlogitreportsthevaluesoftheestimatedcoefficientslogisticreportstheoddsratios一般報告系數估計所以使用logit。7、模型的解釋能力參數：pseudo-R2和Chi2pseudo-R2=(ln(L0)-ln(LN))/ln(L0)=(-175224+146215)/-175224ln(L0)是第一個回歸值，ln(LN)是最后一個回歸值。Chi2=-2(ln(L0)-ln(LN))=-2*(-175224+146215)=580183.3Estimatinglogitmodels1、回歸模型logitbig6lntaage,robustcluster(companyid)加入robust命令是為了糾正異方差，加入cluster()是為了糾正相關性錯誤。2、預測因變量的可能性logitbig6lntaage,robustcluster(companyid)dropbig6hatpredictbig6hatsumbig6hat,detail用此命令產生的預測值為以下公式：另一種產生預測因變量可能性的方法：genbig6hat2=exp(big6hat1)/(1+exp(big6hat1))sumbig6hatbig6hat1big6hat23、產生預測因變量的值：genbig6hat1=_b[_cons]+_b[lnta]*lnta+_b[age]*agesumbig6hat1,detail另一種方法是predictbig6hat1,xb計算自變量變動對因變量可能性的影響：logitbig6lntaage,robustcluster(companyid)genbig10=exp(_b[_cons]+_b[lnta]*lnta+_b[age]*10)/(1+(exp(_b[_cons]+_b[lnta]*lnta+_b[age]*10)))genbig20=exp(_b[_cons]+_b[lnta]*lnta+_b[age]*20)/(1+(exp(_b[_cons]+_b[lnta]*lnta+_b[age]*20)))sumbig10big205、檢驗因變量與自變量之間單調性的方法：xtilelnta_categ=lnta,nquantiles(10)tabulatelnta_categ,gen(lnta_)logitbig6lnta_2-lnta_10age,robustcluster(companyid)6、另一種估計方法probitLogit把P（Y=1）轉換成0-1之間的數據，數據服從對數分布Probit把P（Y=1）轉換成0-1之間的數據，數據服從正態(tài)分布。似然函數為Thecoefficientstendtobelargerinprobitmodelsbutthelevelsofstatisticalsignificanceareoftensimilar例子：capturedropbig6hatbig6hat1logitbig6lntaage,robustcluster(companyid)predictbig6hatprobitbig6lntaage,robustcluster(companyid)predictbig6hat1pwcorrbig6hatbig6hat13.4Multinomialmodels（多項式模型）1、適用情況：因變量分為三個或以上分類，而且分類不排序，每一個分類都有1和0兩個變量。如果用logit模型分別回歸，將使回歸后合計的可能性不等于1。將公司類型分為三類gencotype1=0ifcompanytype==1|companytype==6replacecotype1=1ifcompanytype==4replacecotype1=2ifcompanytype==2|companytype==3|companytype==5將每類變量分為兩種情況genprivate=0replaceprivate=1ifcotype1==0genpublic_nontraded=0replacepublic_nontraded=1ifcotype1==1genpublic_traded=0replacepublic_traded=1ifcotype1==2用logit模型分單個變量進行回歸logitprivatelnta,robustcluster(companyid)predictprivate_hatlogitpublic_nontradedlnta,robustcluster(companyid)predictpublic_nontraded_hatlogitpublic_tradedlnta,robustcluster(companyid)predictpublic_traded_hat合計的可能性不等于1gensum_prob=private_hat+public_nontraded_hat+public_traded_hatsumsum_prob,detail2、多于2個分類時的因變量回歸：mprobit或mlogitMprobit時間長Mlogit時間短mprobitcotype1lnta,robustcluster(companyid)mlogitcotype1lnta,robustcluster(companyid)回歸后直接檢驗回歸系數是否相等：test[1=2]:lntatest[1=2]:_cons以上回歸時在三類中選擇系統(tǒng)默認的類別作為對比組，也可以人為設置對比組。mlogitcotype1lnta,baseoutcome(1)robustcluster(companyid)3.5Ordinaldependentvariables1、因變量排序模型回歸適用情況：Moregenerally,theordereddependentvariablemaytakeNpossiblevalues(Y=1,2,…,N)inwhichcasethereareN-1cut-offpoints:L=a0+a1X1+a2X2+eY=NifkN-1<L<+Y=N-1ifkN-2<LkN-1...Y=2ifk1<Lk2Y=1if-<Lk12、排序模型回歸ologitologitopinionreviewed_firm_also_reviewerlitigation_dummy,robustologitopinion1reviewed_firm_also_reviewerlitigation_dummy,robust以上兩模型回歸的結果相同，雖然因變量的值不一樣，但排序的大小順序一樣。3、回歸的結果：回歸的結果是cut值：Thesearethecut-offvalueskN-1,kN-2,...,k2,k1Y=NifkN-1<L<+Y=N-1ifkN-2<LkN-1....etc.Y=2ifk1<Lk2Y=1if-<Lk1Anotherdifferenceisthatthereisnointercepttermintheorderedlogitandorderedprobitmodels.4、排序數據的另一種回歸方法：oprobitoprobitopinionreviewed_firm_also_reviewerlitigation_dummy,robustNoticethattheologitandoprobitresultsarequiteclosetoeachotherusuallyitdoesn’tmakemuchdifferencewhetheryouuseorderedlogitororderedprobit.3.6Countdatamodels1、適用情況：計數模型適用于因變量是非負的離散數，且數據有實際的意義。比如：considerthenumberoffinancialanalyststhatfollowagivencompanyifthecompanyisnotfollowedbyanyanalysts,Y=0ifthecompanyisfollowedbyoneanalyst,Y=1ifthecompanyisfollowedbytwoanalysts,Y=2ifthecompanyisfollowedbytwoanalysts,Y=3此種數據無法使用OLS回歸，因為因變量無法滿足數據是在負無窮到正無窮之間，因為只能取非負數，同時要求因變量是連續(xù)變量，而計數模型的因變量是離散的。2、適用的回歸模型Twodistributionsthatfulfillthecriteriaofhavingnon-negativediscreteintegervaluesarethe“Poisson”andthe“negativebinomial”.thenegativebinomial(nbreg)thePoisson(poisson)3、實際中計數模型的例子：ThenumberofR&DpatentsawardedThenumberofairlineaccidentsThenumberofmurdersThenumberoftimesthatmainlandChinesepeoplehavevisitedSingaporeThenumberofweaknessesfoundbypeerreviewersatauditfirms4、模型的選擇：（1）POISSON模型：ThePoissondistributionismostoftenusedtodeterminetheprobabilityofxoccurrencesperunitoftime。E.g.,thenumberofmurdersperyearThebasicassumptionsofthePoissondistributionareasfollows:ThetimeintervalcanbedividedintosmallsubintervalssuchthattheprobabilityofanoccurrenceineachsubintervalisverysmallTheprobabilityofanoccurrenceineachsubintervalremainsconstantovertimeTheprobabilityoftwoormoreoccurrencesineachsubintervalmustbesmallenoughtobeignoredAnoccurrenceornonoccurrenceinonesubintervalmustnotaffecttheoccurrenceornonoccurrenceinanyothersubinterval(thisistheindependenceassumption).滿足條件下的例子：TheprobabilityofamurderoccurringduringanygivenminuteissmallTheprobabilityofamurderoccurringduringanygivenminuteremainsconstantduringtheyearTheprobabilityofmorethanonepersonbeingmurderedduringanygivenminuteisverysmallThenumberofmurdersinanygiventimeperiodisindependentofthenumberofmurdersinanyothertimeperiod.參數的估計：TheonlyparameterneededtocharacterizethePoissondistributionisthemeanrateatwhicheventsoccur。“incidencerate”，F(xiàn)orexample,canbetheaveragenumberofmurderspermonthortheaveragenumberofanalystspercompanyPOISSON分布的概率函數：如果已知每月的犯罪數為2，求每月有3起犯罪的概率。模型特點：模型只有一個參數λ，發(fā)生率可用右式估計。命令：controlforheteroscedasticityusingtherobustoptionpoissonweaknessesreviewed_firm_also_reviewerlitigation_dummy,robustpaneldataset(itisn’t)youwouldalsoneedtocontrolfortime-seriesdependenceusingthecluster()option缺點：Unobservedheterogeneityinthedata(e.g.,omittedvariables)willoftencausethevariancetoexceedthemean(aphenomenonknownas“overdispersion”).回歸后檢驗：回歸后馬上用poisgof命令，檢驗是否顯著，如顯著則無法使用，而須使用Thenegativebinomial，該模型無須assumethatthemeanandvarianceofthedistributionarethesame（2）thenegativebinomial模型：nbregweaknessesreviewed_firm_also_reviewerlitigation_dummy,robust（cluster()）回歸結果的α顯著，說明POISSON模型不適用。3.7Tobitandintervalregressionmodels1、適用的數據類型：censoring(ortruncation)ofthedependentvariable.當觀眾數大于座位數時，觀測不到。2、選擇模型：Thecensoringproblemcanbesolvedbyestimatinga“tobit”modelThetobitmodelissomewhatsimilar:Y*=a0+a1X+eY=0if-<Y*0Y=Y*if0<Y*<+TheY*andYvariablesarebothobservedwhentheyaregreaterthanzero(Y*isunobservedwhenY=0)Boththeprobitandtobitmodelsassumethattheerrors(e)arenormallydistributed.3、例子：Recallthatinourfeedataset,thenonauditfeesvariableisleft-censoredatzerobecausemanycompanieschoosenottopurchaseanynon-auditservices。ThisphenomenonislikesomeindividualschoosingnottopurchaseanycigaretteswhenthepriceexceedsP0genlnta=ln(totalassets)egenmiss=rmiss(lnnaflnta)(當lnnaflnta為miss時，miss為1)tobitlnnaflntaifmiss==0,ll(0)（ll(數字)表示左邊截取的數據，ul(數字)表示右邊截取的數字。）tobitlnnaflntaifmiss==0,ll（此命令與上命令功能相同）回歸完成后可以用命令顯示有多少數據censoried.countifmiss==0&lnnaf==0countifmiss==0&lnnaf>04、當左右兩邊均截取以后，也可使用tobit模型genlnnaf1=lnnafreplacelnnaf1=5iflnnaf>5&lnnaf!=.tobitlnnaf1lntaifmiss==0,ll(0)ul(5)tobitlnnaf1lntaifmiss==0,llul(如果截取數字是樣本中的最大和最小值不用列出，系統(tǒng)會自動選取)。tobitlnnaflntaifmiss==0,llul(5)robustcluster(companyid)（控制異方差和時間序列不獨立）3.8Durationmodels（生存模型）1、適用數據：因變量測試某一事件持續(xù)的時間。例如：Durationoflife(medical,engineering)howlongdopeoplelivefor?howlongdomachineslast?Durationofunemployment(economics)howlongdopeopleremainunemployed?forexample,wemaybeinterestedinhowretrainingschemesaffectthedurationofunemploymentDurationofCEOtenure(management)howlongdoestheCEOstayatthesamecompany?Durationofauditor-companytenure(accounting)howlongdothecompanyandauditfirmstaytogether?2、度量變量：The“hazardrate”,h(t),istheprobabilitythattheeventwilloccurinperiodt,giventhatithasnotoccurreduptotimet.3、使用命令stsettimevaruse"J:\phd\kva.dta",clearliststsetfailtime該語句產生四個內部變量：顯示變量：listfailtime_st_d_t_t0The_stvariableisadummyequaltooneforobservationswhosedatahasbeenstset(e.g.,therewouldhavebeensomezerovaluesifwehadexcludedsomeobservationsusingtheifqualifier)The_dvariable是否改變狀態(tài)The_tvariable生存時間The_t0variable生存起始點，默認為04、用Coxproportionalhazardsmodel估計命令：stcoxstcoxloadbearings（loadbearings兩個變量是影響生命的兩個因素）Thereportedhazardratiosaretheexponentialsofthecoefficients.Thehazardratioforload=1.52647=exp(a1)wherea1isthecoefficientonloada1=ln(1.52647)=0.4229578Thecoefficientonbearings=ln(0.0636433)=-2.754461Theloadcoefficientissignificantlypositiveimplyingthatthemachinesfailmorequickly(higherhazardrate)whentheyareundergreaterstressThebearingscoefficientissignificantlynegativeimplyingthatthemachinesfaillessquickly(lowerhazardrate)whentheyusethenew-typeofbearing.如果想讓系統(tǒng)報告系數而不是H（T）系數，可使用以下命令stcoxloadbearings,nohr解決ties問題的模型之一：breslowTheBreslowmethodisveryfastandisthedefaultmethodthatSTATAusesforresolvingties.如果生存時間相同時，就形成一個ties.命令集：stcoxloadbearings,breslowstcoxloadbearings,efron解決ties問題的模型之二：efron該方法比上一個方法更準確，但用時較長。將兩個同樣的死亡時間各分0.5的可能性。當存在censoring時，即并不是所且有的樣本都死亡時，需要在命令中加選項。stsetfailtime,failure(failed)ThefailtimevariablegivesthetimeoffailureorcensoringThefailedvariableindicateswhetherfailureorcensoringoccurredSTATAassumescensoringiffailedequalszeroorissettomissing以上均是處理一個事件只占一行的情況，當事件某一特性改變時，就需要多行來描述。這時需要在告訴系統(tǒng)以下數據為生存數據的命令中加入選項，事件代碼stsett,id(patid)failure(died)當Left-censoringoccurs，這時需在說明生存命令中加入開始時間變量stsetend,id(id)failure(died)enter(begin)當中間部分時間的數據缺失時的處理：需要說明死亡時間、變量標識，死亡標識，開始時間。stsetend,id(id)failure(died)enter(begin)為消除heteroscedasticityandtime-seriesdependence，可以在回歸命令的最后加上robust和cluster().stcoxx1,robustcluster(id)小結：根據因變量的類型選擇不同的回歸模型Dependentvariable(Y)ExamplesEstimationmethod(s)STATAcommandContinuous(-<Y<+)LogofauditfeesStockreturnsCostofcapitalOLSQuantileregressionregressqregBinary(Y=0,1)Listed/NotlistedBig6/Non-Big6auditorProbitLogitprobitlogitDiscreteandunordered(Y=0,1,2,..)Methodoftransport(train,bus,car,bicycle)Typeofcompany(private,publicunquoted,quoted)MultinomiallogitMultinomialprobitmlogitmprobitDiscreteandordered(Y=0,1,2,..)Typeofpeerreviewreport(adverse,modified,unmodified)OrderedprobitOrderedlogitoprobitologitDependentvariable(Y)ExamplesEstimationmethod(s)STATAcommandDiscretecountdata(Y=0,1,2,…)NumberofweaknessesdisclosedinpeerreviewreportPoissonNegativebinomialpoissonnbregContinuousbutcensored(kLY<kH)Non-auditfeesFootballattendanceTobittobitDurationdata(oftencensored)kLY<kHDurationofunemploymentCEOtenureCompanysurvivalCoxproportionalhazardsstcox

第四章面板數據主要內容：4.1Thebasicidea4.2Linearregression4.3Logitandprobitmodels4.4Othermodels4.1Thebasicidea1、面