统计学之家

Stata的简单相关分析又称双变量相关分析，通过计算皮尔逊简单相关系数、斯皮尔曼等级相关系数、肯德尔等级相关系数及其显著性水平展开。其中皮尔逊简单相关系数是一种线性关联度量，适用于变量为定量连续变量且...

Stata的简单相关分析又称双变量相关分析，通过计算皮尔逊简单相关系数、斯皮尔曼等级相关系数、肯德尔等级相关系数及其显著性水平展开。其中皮尔逊简单相关系数是一种线性关联度量，适用于变量为定量连续变量且...

在很多时候，进行相关分析变量的取值会同时受到其他变量的影响，这时候就需要把其他变量控制住，然后输出控制其他变量影响后的相关系数。比如在分析学生各科学习成绩之间的相关性时，各科学习成绩同受IQ值的影响等...

Stata软件的联立方程模型：基本原理 联立方程模型（Simultaneous Equation Model）与似不相关模型的区别在于：在联立方程模型中，一些方程的因变量可能是另一些方程的自变量，因此...

Stata软件的似不相关回归：基本原理 n个方程的似不相关回归模型形式如下： 这里，y i 、X i 、β i 分别是第i个方程的被解释变量、解释变量和回归系数，ε i 是第i个方程的扰动项。y i ...

Stata软件的随机效应模型：基本原理 在随机效应模型中，假设模型中不随时间变化的非观测效应与误差项相关，即随机效应模型的表达式如下： 其中，i= 1, 2, …, N表示个体成员，t = 1, 2,...

Stata软件的固定效应模型：基本原理 固定效应模型的关键假设在于模型中不随时间变化的非观测效应与误差项相关，固定效应模型的表达式如下： 其中，i= 1, 2, …, N表示个体成员，t = 1, 2...

Stata的协整与向量误差修正模型：基本原理 向量误差修正模型（Vector Error Correction Model，VECM）体现了这样一种思想：相关变量间可能存在长期的均衡关系，变量的短期变...

Stata软件的单位根检验：基本原理 由于伪回归（Spurious Regression，即存在单位根的几个变量之间没有任何关系，但回归系数显著）等问题的存在，我们在构建模型前必须先进行单位根检验。常...

很多时间序列呈现出季节性周期变化，例如空调的销售数量夏天较多、冬天较少。对于这类数据，我们可以通过季节ARIMA（Seasonal ARIMA，简记为SARIMA）模型进行拟合。一般形式的SARIMA...

Stata软件的ARIMA模型：基本原理 最简单的时间序列模型是单变量时间序列，主要有4种，即自回归模型（Auto Regression，记为AR）、移动平均模型（Moving Average，记为M...

Stata相关图绘制与白噪声检验：基本原理 时间序列的相关性代表了信息，自相关函数和偏自相关函数可以让我们直观地感受到序列的信息度，帮助我们进行模型的选择。 对于时间序列{x t }，其k阶自相关系数...

Stata软件的样本选择模型：基本原理 样本选择模型是指被解释变量是否断尾取决于另一个变量，例如要考察工资的影响因素，不能通过普通OLS方法得到，因为只有有工作的人才有工资，而没有工作的人无法观察到其...

Stata软件的截取回归模型：基本原理 截取问题是指在特定范围内，解释变量受到限制，真实取值无法观测到，通常情况下，在某一范围内被解释变量的取值都被记为某一常数c。例如，在统计一个家庭每月网上购物情况...

Stata软件的断尾回归模型：基本原理 断尾问题指的是观测数据仅来自于总体样本的一部分，只有在某个特殊值之上或之下的观测值才能被观测到。例如，在统计家庭收入时，只统计了年收入大于10000元的家庭，年...

Stata软件的零膨胀回归模型：基本原理 在有些计数数据中，数据0的性质不同于取正值的数，这就造成了泊松模型和负二项模型的缺陷。因此，对这类数据我们考虑使用零膨胀泊松回归或零膨胀负二项回归代替。 零膨...

Stata软件的条件Logit模型：基本原理 前面分析人们在面临多个选择时，选择的依据是个体的特点，例如考察人们购物选择的品牌时，模型考虑的是个体的年龄和性别，但有时个体选择受外部因素，即选择特征（备...

Stata软件的排序选择模型：基本原理 运用计量经济学建立多值选择模型去解释一个取值离散的变量时，这个变量的取值可能是有顺序的，例如大学的质量评级、空气质量评级等，这些选择的取值代表了一定的优劣，即数...

Stata软件的二值选择模型：基本原理 当模型研究的问题是人们的选择行为时，如做某件事或者不做，选择A或者非A，被解释变量的取值可以用0和1来代表两种选择。例如，在研究是否购买某只股票时，人们有两种选...

Stata软件的内生性与2SLS：基本原理 在普通最小二乘法的经典假设中，条件期望零值假定E(ε|X)=0可以保证估计系数的一致性。如果这个假设无法成立，就无法保证估计的一致性。通常有3种原因可能会导...