统计学之家

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...

Stata软件异方差检验与处理：基本原理 所谓异方差，是指误差项 u 对不同的个体是不同的，从统计上讲，就是违反了球形误差的假设。当数据有异方差问题时，会导致test命令得到的结果产生偏差。 下面先介...

Stata多重共线性与逐步回归法：基本原理 多重共线性问题在多元线性回归分析中是很常见的，其导致的直接后果是方程回归系数估计的标准误差变大、系数估计值的精度降低等。多重共线性的问题对于Stata软件来...

Stata软件极端数据的诊断与处理：基本原理 在全体观测值中，会有一些样本和总体样本距离较远，这些样本在回归中可能会对斜率或者截距的估计产生较大的影响，从而使得估计值和真值的差距较大。所以在实际应用中...

Stata软件自变量数量的选择：基本原理 人们总是希望建立具有经济意义而又简洁的模型，在现实的经济研究过程中，通常使用信息准则来确定解释变量的个数，较为常用的信息准则有两个。 （1）赤池信息准则 又称...

Stata软件遗漏变量的检验：基本原理 遗漏变量属于解释变量选取错误的一种，因为某些数据确实难以获得，但是有时这种遗漏将会大大降低模型的精确度。假设正确模型如下： Y=β 0 +X 1 β 1 +X ...

Stata软件虚拟变量的处理：基本原理 对于定性数据，通常不能将其直接纳入模型中进行回归分析，因为这样的分析并不符合经济学理论，所以这时需要引入虚拟变量进行处理。一般情况下，如果分类变量总共有N类，为...

Stata软件的约束回归：基本原理 我们在做回归分析时，有时会希望某些变量的系数相同或满足某种关系。约束回归通常可以通过对变量进行变换来实现。例如，对于回归模型： y=β 0 +β 1 x 1 +β ...

Stata软件重复测量方差分析：基本原理 重复测量方差分析是由不同时间点上对同一个对象的同一个观察指标进行多次测量所得的。在研究中，我们经常需要对同一个观察对象重复进行多次观测，这样得到的数据称为重复...

Stata软件协方差分析：基本原理 方差分析存在明显的弊端，因此无法控制分析中存在的某些随机因素，这也影响了分析结果的准确度。 协方差分析控制了这些干扰或调节因素，提高了实验的精确性和准确性，对实验以...

Stata软件多因素方差分析：基本原理 在现实研究中，一个事件不可能仅受一个因素的影响，恰恰相反，一个事件是受多个因素综合作用的结果，所以多因素方差分析相比单因素方差分析有更广泛的应用空间。下面以双因...

Stata软件单因素方差分析：基本原理 方差分析的目的是检验各个水平的均值是否相等，实现这个目的的手段是通过方差的比较。 观察值之间的差异来自于两个方面： 一个是由不同水平造成的系统性差异；另一个是由...