sort hhid line wave
by hhid line wave: egen x=count(id) gen a=agemosf-agemos drop if a<216&x==3
[计算每个年份家庭匹配的情况，x不只取1，三代户匹配不完全成功。删除不合理的样本，标准是年龄差距和有三个可能母亲的那些家庭。] gen xx=x[_n+1] gen xxx=x[_n-1] gen y=lf if x==1
replace y=lf[_n+1] if x==2&xx==1 replace y=lf[_n-1] if x==2&xxx==1 keep if x==1|(lf==y&x==2)
[对于有两个可能母亲的儿童，有相同编码的女性出现两次的情况。上面的做法是为了保证不删除这部分样本。] drop a x xx xxx y _merge save b5,replace
[保存合并后的数据库]
[对男性数据的合并完全类似，不赘述。]
第 13 页
log close exit,clear
我的方法是属于使用简单命令反复迂回地达到目的那一类的，所以非常希望有更简便的方法来替代。不过做实证时往往不是非常追求程序的漂亮，常常也就得过且过了。
stata强大的功能体现在它可以方便地回归微观数据。而回归也是微观实证中最重要的方法。下面就开始讲stata中和回归有关的常用命令。 基本回归方法有两种：线性设定下的最小二乘法（OLS）和两阶段最小二乘法（2SLS）。他们在实证分析中应用广泛，十分详细地掌握这两种方法是实证研究的基本要求。讲解的顺序是先依次介绍如何在stata中实现OLS和2SLS估计，然后再分析如何在实际问题中选择合理的方法。后一部分受Joshua Angrist教授的影响很大，因此，在后面引用他的思想时会详细注明。
假设你已经清楚地了解待估计方程的形式，那么回归命令的基本格式就十分简单明了：
reg （被解释变量） （解释变量1） （解释变量2）……
方程中的相应变量可以简单地放在reg的后面。执行上面的命令后，stata会出现两个表格，分别报告一些方差分析和回归的参数估计结果。我们最关心的是参数的大小和显著性，这在第二个表格中列出。表格的最左边一栏列出了解释变量，在它的右边是相应的系数估计值，然后依次是估计
第 14 页
值的标准误，t比率，原假设为系数的真实值等于零时错误地拒绝该假设的概率——p值，以及该估计值的置信度为（1-5%）的置信区间。
我看到回归结果的第一眼是瞄着最关心的解释变量的符号、大小和显著性。看看解释变量影响的方向和大小是不是符合理论的预期，是不是合乎常识，以及这个估计值是不是显著。标记显著性的统计量是t统计量，在经典假设下，它服从t分布。t分布和标准正态分布形状很相似，但它的“尾巴”要比标准正态分布的“肥”一些，在样本量比较小的时候尤其明显，当样本量趋于无穷时，t分布的极限分布是标准正态分布。大家对标准正态分布的分布函数上一些关键点比较熟悉，比如，1.96是97.5%的关键点，1.64是95%的关键点，所以，我们希望知道什么时候可以安全地使用标准正态分布。下表列出了一些小自由度下二者的差异（Beyer 1987 “CRC Standard Mathematical Tables, 28th ed.”；Goulden 1956 “Methods of Statistical Analysis, 2nd ed.”）。可以看出，自由度超过一百时，二者的差别就已经相当小了。所以，当样本量的数量级是100个或以上时，可以直接认为t比率服从标准正态分布，并以此做检验。 90% 95% 97.5% 99.5%
1 3.07768 6.31375 12.7062 63.6567 2 1.88562 2.91999 4.30265 9.92484 3 1.63774 2.35336 3.18245 5.84091 4 1.53321 2.13185 2.77645 4.60409 5 1.47588 2.01505 2.57058 4.03214
第 15 页
10 1.37218 1.81246 2.22814 3.16927 30 1.31042 1.69726 2.04227 2.75000 100 1.29007 1.66023 1.98397 2.62589 1.28156 1.64487 1.95999 2.57588
读者读到这里可能会笑话我了，stata不是已经报告了t检验的p值和置信区间了吗？为什么不直接察看这些结果呢？原因在于实证文献往往只报告参数的估计值和标准误，需要读者自己将估计值和标准误相除，计算显著性。而且当你在写实证文章时，也应该报告参数的估计值和标准误。这比报告估计值和它的p值更规范。
伴随回归命令的一个重要命令是predict。回归结束后，使用它可以得到和回归相关的一些关键统计量。语法如下： predict （新变量名）， （统计量名）
这里的统计量名是一些选项。常用的选项有：xb（回归的拟合值。这是默认选项，即不加任何选项时，predict赋予新变量前一个回归的拟合值。）；residuals（残差）；leverage（杠杆值）。下面具一个例子来解释predict的用法。
有时样本中的一个特别的观察值会显著地改变回归结果。这样的观察值可以笼统地分为三类：outliers，leverage和influence。Outliers是针对残差而言的，指那些回归中残差很大的观察；leverage是针对解释变量而言的，是解释变量相对其平均值偏里很大的观察；influence是针对估计结果而言的。如果去掉这个观察会明显地改变估计值，那么这个观察就是
第 16 页
相关推荐：
loading