2024年3月15日发(作者：)
Stata操作指南 吉首大学商学院内部资料 丁建军
计量经济学stata操作（实验课）
第一章 stata基本知识
1、stata窗口介绍
2、基本操作
（1）窗口锁定：Edit-preferences-general preferences-windowing-lock splitter
（2）数据导入
（3）打开文件：use E:,clear
（4）日期数据导入：
gen newvar=date(varname, “ymd”)
format newvar %td 年度数据
gen newvar=monthly(varname, “ym”)
format newvar %tm 月度数据
gen newvar=quarterly(varname, “yq”)
format newvar %tq 季度数据
（5）变量标签
Label variable tc ` “total output” ’
（6）审视数据
describe
list x1 x2
list x1 x2 in 1/5
list x1 x2 if q>=1000
drop if q>=1000
keep if q>=1000
（6）考察变量的统计特征
summarize x1
su x1 if q>=10000
su q,detail
su
tabulate x1
correlate x1 x2 x3 x4 x5 x6
（7）画图
histogram x1, width(1000) frequency
kdensity x1
scatter x1 x2
twoway (scatter x1 x2) (lfit x1 x2)
twoway (scatter x1 x2) (qfit x1 x2)
（8）生成新变量
gen lnx1=log(x1)
gen q2=q^2
gen lnx1lnx2=lnx1*lnx2
gen larg=(x1>=10000)
rename larg large
1
Stata操作指南 吉首大学商学院内部资料 丁建军
drop large
g large=(q>=6000)
replace large=(q>=6000)
drop ln*
（8）计算功能
display log(2)
（9）线性回归分析
regress y1 x1 x2 x3 x4
vce #显示估计系数的协方差矩阵
reg y1 x1 x2 x3 x4,noc #不要常数项
reg y1 x1 x2 x3 x4 if q>=6000
reg y1 x1 x2 x3 x4 if large
reg y1 x1 x2 x3 x4 if large==0
reg y1 x1 x2 x3 x4 if ～large
predict yhat
predict e1,residual
display 1/_b[x1]
test x1=1 # F检验，变量x1的系数等于1
test (x1=1) (x2+x3+x4=1) # F联合假设检验
test x1 x2 #系数显著性的联合检验
testnl _b[x1]= _b[x2]^2
（10）约束回归
constraint def 1 x1+x2+x3=1
cnsreg y1 x1 x2 x3 x4,c(1)
cons def 2 x4=1
cnsreg y1 x1 x2 x3 x4,c(1-2)
（11）stata的日志
File-log-begin-输入文件名
log off 暂时关闭
log on 恢复使用
log close 彻底退出
（12）stata命令库更新
Update all
help command
第二章 有关大样本ols的stata命令及实例
（1）ols估计的稳健标准差
reg y x1 x2 x3,robust
（2）实例
use ,clear
reg y1 x1 x2 x3 x4
test x1=1
reg y1 x1 x2 x3 x4,r
2
Stata操作指南 吉首大学商学院内部资料 丁建军
test x1=1
testnl _b[x1]=_b[x2]^2
第三章 最大似然估计法的stata命令及实例
（1）最大似然估计
help ml
（2）LR检验
lrtest #对面板数据中的异方差进行检验
（3）正态分布检验
sysuse auto #调用系统数据集
hist mpg,normal
kdensity mpg,normal
qnorm mpg
*手工计算JB统计量
sum mpg,detail
di (r(N)/6)*((r(skewness)^2)+[(1/4)*(r(kurtosis)-3)^2])
di chi2tail(自由度，上一步计算值)
*下载非官方程序
ssc install jb6
jb6 mpg
*正态分布的三个检验
sktest mpg
swilk mpg
sfrancia mpg
*取对数后再检验
gen lnmpg=log(mpg)
kdensity lnmpg, normal
jb6 lnmpg
sktest lnmpg
第四章 处理异方差的stata命令及实例
（1）画残差图
rvfplot
rvfplot varname
*例题
use ,clear
reg y x1 x2 x3 x4
rvfplot # 与拟合值的散点图
rvfplot x1 # 画残差与解释变量的散点图
（2）怀特检验
estat imtest,white
*下载非官方软件
3
Stata操作指南 吉首大学商学院内部资料 丁建军
ssc install whitetst
（3）BP检验
estat hettest #默认设置为使用拟合值
estat hettest,rhs #使用方程右边的解释变量
estat hettest [varlist] #指定使用某些解释变量
estat hettest,iid
estat hettest,rhs iid
estat hettest [varlist],iid
（4）WLS
reg y x1 x2 x3 x4 [aw=1/var]
*例题
quietly reg y x1 x2 x3 x4
predict e1,res
gen e2=e1^2
gen lne2=log(e2)
reg lne2 x2,noc
predict lne2f
gen e2f=exp(lne2f)
reg y x1 x2 x3 x4 [aw=1/e2f]
（5）stata命令的批处理（写程序）
Window-do-file editor-new do-file
#WLS for example
log using E:wls_,replace
set more off
use E:,clear
reg y x1 x2 x3 x4
predict e1,res
gen e2=e1^2
g lne2=log(e2)
reg lne2 x2,noc
predict lne2f
g e2f=exp(lne2f)
*wls regression
reg y x1 x2 x3 x4 [aw=1/e2f]
log close
exit
第五章 处理自相关的stata命令及实例
（1）滞后算子/差分算子
tsset year
l.
l2.
D.
D2.
4
Stata操作指南 吉首大学商学院内部资料 丁建军
LD.
（2）画残差图
scatter e1 l.e1
ac e1
pac e1
（3）BG检验
estat bgodfrey（默认p=1）
estat bgodfrey,lags(p)
estat bgodfrey,nomiss0（使用不添加0的BG检验）
（4）Ljung-Box Q检验
reg y x1 x2 x3 x4
predict e1,resid
wntestq e1
wntestq e1,lags(p)
* wntestq指的是“white noise test Q”，因为白噪声没有自相关
（5）DW检验
做完OLS回归后，使用estat dwatson
（6）HAC稳健标准差
newey y x1 x2 x3 x4,lag(p)
reg y x1 x2 x3 x4,cluster(varname)
（7）处理一阶自相关的FGLS
prais y x1 x2 x3 x4 （使用默认的PW估计方法）
prais y x1 x2 x3 x4,corc （使用CO估计法）
（8）实例
use , clear
tsset time
graph twoway connect consumption temp100 time, msymbol(circle) msymbol(triangle)
reg consumption temp price income
predict e1, res
g e2=l.e1
twoway (scatter e1 e2) (lfit e1 e2)
ac e1
pac e1
estat bgodfrey
wntestq e1
estat dwatson
newey consumption temp price income, lag (3)
prais consumption temp price income, corc
prais consumption temp price income, nolog
reg consumption temp price income
estat bgodfrey
estat dwatson
5
Stata操作指南 吉首大学商学院内部资料 丁建军
第六章 模型设定与数据问题
（1）解释变量的选择
reg y x1 x2 x3
estat ic
*例题
use , clear
reg consumption temp price income
estat ic
reg consumption temp price income
estat ic
（2）对函数形式的检验（reset检验）
reg y x1 x2 x3
estat ovtest （使用被解释变量的2、3、4次方作为非线性项）
estat ovtest, rhs （使用解释变量的幂作为非线性项，ovtest-omitted variable test）
*例题
use , clear
reg lntc lnq lnpl lnpk lnpf
estat ovtest
g lnq2=lnq^2
reg lntc lnq lnq2 lnpl lnpk lnpf
estat ovtest
（3）多重共线性
estat vif
*例题
use , clear
reg lntc lnq lnpl lnpk lnpf
estat vif
（4）极端数据
reg y x1 x2 x3
predict lev, leverage （列出所有解释变量的lev值）
gsort –lev
sum lev
list lev in 1/3
*例题
use , clear
quietly reg lntc lnq lnpl lnpk lnpf
predict lev, leverage
sum lev
gsort –lev
list lev in 1/3
（5）虚拟变量
gen d=(year>=1978)
tabulate province, generate (pr)
reg y x1 x2 x3 pr2-pr30
6
Stata操作指南 吉首大学商学院内部资料 丁建军
（6）经济结构变动的检验
方法1：
use consumption_, clear
graph twoway connect c y year, msymbol(circle) msymbol(triangle)
reg c y
reg c y if year<1992
reg c y if year>=1992
计算F统计量
方法2：
gen d=(year>1991)
gen yd=y*d
reg c y d yd
test d yd
第七章 工具变量法的stata命令及实例
（1）2SLS的stata命令
ivregress 2sls depvar [varlist1] (varlist2=instlist)
如：
ivregress 2sls y x1 (x2=z1 z2)
ivregress 2sls y x1 (x2 x3=z1 z2 z3 z4) ,r first
estat firststage,all forcenonrobust （检验弱工具变量的命令）
ivregress liml depvar [varlist 1] (varlist2=instlist)
estat overid （过度识别检验的命令）
*对解释变量内生性的检验（hausman test），缺点：不适合于异方差的情形
reg y x1 x2
estimates store ols
ivregress 2sls y x1 (x2=z1 z2)
estimates store iv
hausman iv ols, constant sigmamore
*DWH检验
estat endogenous
*GMM的过度识别检验
ivregress gmm y x1 (x2=z1 z2) （两步GMM）
ivregress gmm y x1 (x2=z1 z2),igmm （迭代GMM）
estat overid
*使用异方差自相关稳健的标准差GMM命令
ivregress gmm y x1 (x2=z1 z2), vce (hac nwest[#])
（2）实例
use ,clear
sum
corr iq s
reg lw s expr tenure rns smsa,r
reg lw s iq expr tenure rns smsa,r
7
Stata操作指南 吉首大学商学院内部资料 丁建军
ivregress 2sls lw s expr tenure rns smsa (iq=med kww mrt age),r
estat overid
ivregress 2sls lw s expr tenure rns smsa (iq=med kww),r first
estat overid
estat firststage, all forcenonrobust （检验工具变量与内生变量的相关性）
ivregress liml lw s expr tenure rns smsa (iq=med kww),r
*内生解释变量检验
quietly reg lw s iq expr tenure rns smsa
estimates store ols
quietly ivregress 2sls lw s expr tenure rns smsa (iq=med kww)
estimates store iv
hausman iv ols, constant sigmamore
estat endogenous （存在异方差的情形）
*存在异方差情形下，GMM比2sls更有效率
ivregress gmm lw s expr tenure rns smsa (iq=med kww)
estat overid
ivregress gmm lw s expr tenure rns smsa (iq=med kww),igmm
*将各种估计方法的结果存储在一张表中
quietly ivregress gmm lw s expr tenure rns smsa (iq=med kww)
estimates store gmm
quietly ivregress gmm lw s expr tenure rns smsa (iq=med kww),igmm
estimates store igmm
estimates table gmm igmm
第八章 短面板的stata命令及实例
（1）面板数据的设定
xtset panelvar timevar
encode country,gen(cntry) （将字符型变量转化为数字型变量）
xtdes
xtsum
xttab varname
xtline varname,overlay
*实例
use ,clear
xtset state year
xtdes
xtsum fatal beertax unrate state year
xtline fatal
（2）混合回归
reg y x1 x2 x3,vce(cluster id)
如：
reg fatal beertax unrate perinck,vce(cluster state)
estimates store ols
对比：
8
Stata操作指南 吉首大学商学院内部资料 丁建军
reg fatal beertax unrate perinck
（3）固定效应
xtreg y x1 x2 x3,fe vce(cluster id)
xi:reg y x1 x2 x3 ,vce(cluster id) （LSDV法）
xtserial y x1 x2 x3,output （一阶差分法，同时报告面板一阶自相关）
estimates store FD
*双向固定效应模型
tab year, gen (year)
xtreg fatal beertax unrate perinck year2-year7, fe vce (cluster state)
estimates store FE_TW
test year2 year3 year4 year5 year6 year7
（4）随机效应
xtreg y x1 x2 x3,re vce(cluster id) （随机效应FGLS）
xtreg y x1 x2 x3,mle （随机效应MLE）
xttest0 （在执行命令 xtreg, re 后执行，进行LM检验）
（5）组间估计量
xtreg y x1 x2 x3,be
（6）固定效应还是随机效应：hausman test
xtreg y x1 x2 x3,fe
estimates store fe
xtreg y x1 x2 x3,re
estimates store re
hausman fe re,constant sigmamore （若使用了vce(cluster id)，则无法直接使用该命令，
解决办法详见P163）
estimates table ols fe_robust fe_tw re be, b se （将主要回归结果列表比较）
第九章 长面板与动态面板
（1）仅解决组内自相关的FGLS
xtpcse y x1 x2 x3 ,corr(ar1) （具有共同的自相关系数）
xtpcse y x1 x2 x3 ,corr(psar1) （允许每个面板个体有自身的相关系数）
例题：
use ,clear
tab state,gen(state)
gen t=year-62
reg lnc lnp lnpmin lny state2-state10 t,vce(cluster state)
estimates store OLS
xtpcse lnc lnp lnpmin lny state2-state10 t,corr(ar1) (考虑存在组内自相关，且各组回归
系数相同)
estimates store AR1
xtpcse lnc lnp lnpmin lny state2-state10 t,corr(psar1) (考虑存在组内自相关，且各组回归
系数不相同)
estimates store PSAR1
xtpcse lnc lnp lnpmin lny state2-state10 t, hetonly (仅考虑不同个体扰动性存在异方差，
9
Stata操作指南 吉首大学商学院内部资料 丁建军
忽略自相关)
estimates store HETONLY
estimates table OLS AR1 PSAR1 HETONLY, b se
（2）同时处理组内自相关与组间同期相关的FGLS
xtgls y x1 x2 x3,panels (option/iid/het/cor) corr(option/ar1/psar1) igls
注：执行上述xtpcse、xtgls命令时，如果没有个体虚拟变量，则为随机效应模型；如
果加上个体虚拟变量，则为固定效应模型。
例题：
xtgls lnc lnp lnpmin lny state2-state10 t,panels (cor) corr(ar1)
（3）组间异方差检验（LR检验）
xtgls y x1 x2 x3,igls panel(het)
estimates store hetero
xtgls y x1 x2 x3,igls
estimates store homo
local df=e(N_g)-1
lrtest hetero homo,df(`df’)
非官方命令
ssc install xttest3
xttest3 (该沃尔德检验只能用在命令xtreg,fe或xtgls之后)
（4）组内自相关检验
net install st0039 (安装命令xtserial)
xtserial y x1 x2 x3,output (output表示显示一阶差分回归结果)
例题：
xtserial lnc lnp lnpmin lny state2-state10 t
（5）组间截面相关检验
ssc install xttest2
xttest2 (该LM检验只能使用在命令xtreg,fe或xtgls或ivreg2之后)
ssc install xtcsd (原假设是不存在组间截面相关，对于短面板同样适用)
xtcsd,pesaran abs show
xtcsd,friegman abs show
xtcsd,frees abs show （abs显示该矩阵非对角线元素的绝对值之平均，show显示残差的
相关系数矩阵）
（6）随机系数模型估计
xtrc y x1 x2 x3,betas （附带了参数稳定性检验统计量及P值）
例题：
xtrc lnc lnp lnpmin lny,beta
（7）面板工具变量法
对固定效应模型先进行离差变换，再使用工具变量法
xtivreg y [varlist1] (varlist2=varlist_iv),fe
对固定效应模型先进行一阶差分，再使用工具变量法
xtivreg y [varlist1] (varlist2=varlist_iv),fd
对随机效应模型使用工具变量法
xtivreg y [varlist1] (varlist2=varlist_iv),re (xtivreg不提供选项vce(robust)，可以使用选
择项vce(bootstrap))
10
Stata操作指南 吉首大学商学院内部资料 丁建军
非官方的GMM估计命令
ssc install xtivreg2
xtivreg2 y [varlist1] (varlist2=varlist_iv), fe gmm
xtivreg2 y [varlist1] (varlist2=varlist_iv), fd gmm
（8）动态面板估计法
xtabond depvar [indepvars], lags(p) maxldep(q) twostep vce(robust) pre(varlist)
endogenous(varlist) inst(varlist) (差分GMM的stata命令)
xtdpdsys depvar [indepvars], lags(p) maxldep(q) twostep vce(robust) pre(varlist)
endogenous(varlist) inst(varlist) (系统GMM的stata命令)
非官方命令（系统GMM的stata命令）
ssc install xtabond2
例题：
use ,clear
xtabond lwage occ south smsa ind,lags(2) maxldep(3) pre(wks,lag(1,2)
endogenous(ms,lag(0,2)) endogenous(union,lag(0,2)) twostep vce(robust)
estimates store DiffGMM
estat abond (检验扰动项的差分是否存在自相关，进而决定是否可以使用差分GMM
法)
estat abond,artests(3) (检验更高阶自相关)
工具变量的过度识别检验：
quietly xtabond lwage occ south smsa ind,lags(2) maxldep(3) pre(wks,lag(1,2)
endogenous(ms,lag(0,2)) endogenous(union,lag(0,2)) twostep
estat sargan (注意：若使用了vce(robust)，则不能运行该命令)
xtdpdsys lwage occ south smsa ind,lags(2) maxldep(3) pre(wks,lag(1,2)
endogenous(ms,lag(0,2)) endogenous(union,lag(0,2)) twostep vce(robust)
estimates store SYSGMM
estimates table DiffGMM SYSGMM, b se
estat abond
quietly xdpdsys lwage occ south smsa ind,lags(2) maxldep(3) pre(wks,lag(1,2)
endogenous(ms,lag(0,2)) endogenous(union,lag(0,2)) twostep
estat sargan
第十章 离散被解释变量模型
（1）二值模型的stata命令
probit y x1 x2 x3
logit y x1 x2 x3
mfx (计算在样本均值处的边际效应)
mfx, at (x1=0) (计算在“x1=0,x2,x3取样本均值”处的边际效应)
mfx,eyex （计算在样本均值处的弹性）
predict yhat （计算发生概率的预测值）
estat clas （计算预测准确的百分比）
例题：
use ,clear
reg work age married children education
11
Stata操作指南 吉首大学商学院内部资料 丁建军
probit work age married children education, nolog
mfx
estat clas
logit work age married children education, nolog
mfx
estat clas
（2）二值选择模型中的异方差问题
hetprob y x1 x2 x3,het (varlist)
例题：
Hetprob work age married children education,het(age married children education) nolog
（3）多值选择模型
mlogit y x1 x2 x3,base(#) (base(#)用于指定参照组)
mlogit y x1 x2 x3, rrr base(#) （汇报relative risk ratio）
mprobit y x1 x2 x3, base(#)
例题
use , clear
mlogit brand age female,base(1) nolog
predict pbrand1 pbrand2 pbrand3
list p* in 1/10
（4）排序选择模型
oprobit y x1 x2 x3
ologit y x1 x2 x3
例题：
use ,clear
oprobit rating83c ia83 dia, nolog
predict p2 p3 p4 p5
list p2 p3 p4 p5 in 1/1
（5）计数模型
poisson y x1 x2 x3,r （泊松回归）
nbreg y x1 x2 x3,r （负二项回归）
zip y x1 x2 x3,inflate(varlist) vuong （零膨胀泊松回归）
zinby x1 x2 x3,inflate(varlist) vuong （零膨胀负二项回归）
第十一章 受限被解释变量模型
（1）截尾回归
truncreg y x1 x2 x3, ll(#) （左边断尾）
truncreg y x1 x2 x3, ul(#) （右边断尾）
truncreg y x1 x2 x3, ll(#) ul(#) （双边断尾）
例题：
use , clear
tab lfp
truncreg whrs k16 k618 wa we,11(0) nolog
（2）归并回归
12
Stata操作指南 吉首大学商学院内部资料 丁建军
tobit y x1 x2 x3, ll(#) （左归并）
tobit y x1 x2 x3, ul(#) （右归并）
tobit y x1 x2 x3, ll(#) ul(#) （双边归并）
例题：
use ,clear
tobit lwf age married children education, r 11(0)
estimates store TOBIT_R
（3）样本选择模型
heckman y x1 x2 x3,select (z1 z2)
heckman y x1 x2 x3,select (z1 z2) twostep
heckman y x1 x2 x3,select (w=z1 z2) (默认使用MLE，选择方程的被解释变量为w)
第十二章 ARMA模型的stata命令及实现
（1）自相关与偏自相关
corrgram y,lags(#)
ac y,lags(#)
pac y,lags(#)
（2）ARMA
arima y, ar(1/#) ma(1/#)
arima y, arima(#p,#d,#q)
predict e1,res
corrgram e1,lags(#)
（3）ADL与ARMAX
arima y x1 x2 x3,ar(#) ma(#)
例题：
use ,clear
g d_logpe=
corrgram d_logpe,lags(10)
ac d_logpe,lags(10)
pac d_logpe,lags(10)
arima d_logpe,ar(1/4) nolog
estat ic
predict e1,res
corrgram e1,lags(10)
arima d_logpe,ma(1/4) nolog
estat ic
predict e2,res
corrgram e2,lags(10)
arima d_logpe,ar(2 4) nolog
estat ic
arima d_logpe,ma(2 4) nolog
estat ic
（4）VAR模型
13
Stata操作指南 吉首大学商学院内部资料 丁建军
varsoc x y z,maxlag(#) (计算信息准则，默认值为4)
var x y z (进行VAR估计，默认值为2)
var x y z,lags(1/3) (滞后期为1到3)
var x y z,lags(3) (只使用滞后第3期)
var x y z,dfk （样本容量较小，使用dfk进行自由度调整）
var x y z,small （显示小样本的t与F统计量）
var x y z,exog(w1 w2) （引入外生变量w1、w2）
varbasic x y z,irf （估计VAR模型，画irf，未正交化）
varwle （估计VAR模型后，对每个方程以及所有方程的各阶系数的联合显著性检验）
varlmar （估计VAR模型后，对残差是否存在自相关进行LM检验）
varlnorm （估计VAR模型后，检验残差是否服从正态分布）
varstable,graph （估计VAR后，通过特征值检验该VAR系统是否为平稳过程）
vargranger （估计VAR后，进行格兰杰因果关系检验）
irf create filename, set(filename) step(#) replace （默认值为step(8)）
irf graph irf （画脉冲响应图，未正交化）
irf graph oirf （画正交化的脉冲响应图）
fcast compute prefix, step(#) （计算被解释变量的未来#期的预测值）
fcast graph varlist, observed （对预测值画图，并与实际值比较）
例题：
use macro_,clear
varsoc dinf unem
var dinf unem,lags(1/2)
varwle
varlmar
varstable,graph
varnorm
vargranger
irf create macro,set(macro) replace
irf graph irf
irf graph oirf
var dinf unem if quarter fcast graph f_dinf f_unem,observed lpattern(“_”) 第十三章 单位根和协整检验 （1）ADF检验 dfuller y (DF检验，不含滞后差分项，等价于选择项“lags(0)”) dfuller y,lags(p) （包含P阶滞后差分项） dfuller y, noconstant （不带常数项） dfuller y, trend （带时间趋势项） dfuller y, regress （显示回归结果） （2）PP检验 pperron y （默认设置带常数项，不带时间趋势项） pperron y, noconstant 14 Stata操作指南 吉首大学商学院内部资料 丁建军 pperron y, trend pperron y, regress （3）DF-GLS检验 dfgls y （默认带时间趋势项，自动根据信息准则选择最佳滞后期数） dfgls y, notrend （4）KPSS检验 ssc install kpss kpss y kpss y, notrend 例题： use macro_,clear line inf quarter dfuller inf di 12*(167/100)^(1/4) （利用 p max =[12*(T/100) 1/4 ]计算最大滞后阶数） dfuller inf,lags(12) reg dfuller inf,lags(8) reg pperron inf dfgls inf kpss inf,notrend dfgls dinf kpss dinf,notrend （5）面板单位根检验 xtunitroot （6）协整分析 vecrank y1 y2 … yn,lags(#) （默认设置包括常数项，但不包括时间趋势） vecrank y1 y2 … yn,lags(#) trend(none) vecrank y1 y2 … yn,lags(#) trend(trend) vecrank y1 y2 … yn, max （显示最大特征值统计量及其临界值） （7）VECM估计(同时估计短期的VECM模型和长期的协整回归) vec y1 y2 … yn,lags(#) rank(#) （默认设置包括常数项，但不包括时间趋势） vec y1 y2 … yn,lags(#) rank(#) trend(none) vec y1 y2 … yn,lags(#) rank(#) trend(trend) *默认值为lags(2) rank(1) veclmar vecnorm vecstable,graph irf create filename,set(filename) step(#) replace irf graph irf irf graph oirf fcast compute prefix,step(#) fcast graph varlist,observed 例题： use ,clear line logmr logy year,lpattern (“1” “_”) 15 Stata操作指南 吉首大学商学院内部资料 丁建军 line logv r10 year,lpattern (“1” “_”) vecrank logmr logy r, trend(trend) max varsoc logmr logy r vec logmr logy r,lags(2) rank(1) veclmar vecnorm vecstable,graph irf create money,set(money) step(10) replace irf graph irf irf graph oirf quietly vec logmr logy r if year<1980,lags(2) rank(1) fcast compute f_,step(10) fcast graph f_logmr f_logy f_r,observed lpattern(“_”) （未完待续） 参考文献： [1] 陈强.高级计量经济学及stata应用[M].北京：高等教育出版社，2010年10月 [2] 陈传波.stata十八讲，中国人民大学内部资料 [3] 胡咏梅.计量经济学基础与Stata应用[M].北京:北京师范大学出版集团,2009 16
发布者：admin，转转请注明出处：http://www.yc00.com/web/1710454059a1759528.html
评论列表（0条）