8、stata中有哪些报表输出的命令？
来源| 本文由计量经济学服务中心原创推荐
中心多位编辑根据实证分析经验，为大家整理出如下常见问题，希望对大家论文写作能有帮助。
上期小编为大家汇总了在什么情况下，应将变量取对数再进行回归？什么叫做伪回归R平方很小怎么办？面板数据需要进行平稳性的检验吗？有些发表出来的文章好象没做平稳性检验。在设计调查问卷时，怎么判断一项调查的设计是否合理，不存在硬伤呢？等七个问题，本期小编继续为大家推荐stata中报表输出命令、交互项、平稳性、协整、格兰杰、VAR等热点问题，欢迎阅读。
8、stata中有哪些报表输出的命令？
如何将stata输出结果与报表word或者excel结合呢？stata结果输出主要外部命令包括outreg2、estoout、tabout、logout、est2tex、mktab、xml_tab、esttab等，之前为大家推荐过最重要最实用的outreg2、estoout、tabout、logout、esttab等命令。
由于这些命令均为第三方命令，因此需要下载安装，建议阅读之前推文，一般下载安装外部命令，可以选择，ssc install +命令名，或者findit +命令名，下载安装完毕，直接help 命令，就可以查看命令相关内容了。
9、对学习计量经济学有哪些好的方法呢？
计量经济学统计软件只是一门工具，要将理论与操作将结合起来学习，相信会事半功倍。而学习计量经济学，尤其是stata，不管是零散的学习，还是系统学习，都要坚持循序渐进。
由于stata中有很多编程命令，建议多操作，逐步在实践中学习、体会与领悟，这样才能学以致用。另外，stata中有很多知识点，要多交流，不耻下问，这样对于有时候困惑你很久的问题，可能一会儿就迎刃而解了。
计量经济学学习方面有很多优秀书籍，建议选取一本适合自己的，先从基础的学起，这样才有能力学习后面的知识，并且对于自己的基础以及知识系统掌握也是有一定帮助的。
10、如何解释交互项？
在数学上解释变量与控制变量可以是一回事，但是如果控制变量是调节变量，回归方程在理论上的解释就不一样了，解释变量是解释与被解释变量的因果关系，调节变量则是确定因果关系的边界条件。
对于调节变量而言，其目的是强调它的出现对一个或几个解释变量在某一问题中影响，因而，需要将调节变量与所要调节的解释变量相乘，将其乘积作为一个回归变量。例如，在单因素方差分析中，有如下命令，anova wage edu married children married*children 来看二者对工资是否有影响，这类交叉项也进场在回归分析中遇见，包括但不限于常见的回归，在引力模型中也经常遇见。
在模型中引入交互项，通常这两个变量，从经济理论和经济现象上二者之间本身就存在相互影响，X1是X2对于因变量产生影响的必备条件，就是说X2要想对因变量产生影响，必须是在X1起作用的情况下进行。
另外，对于交互项的理解，主要可从边际效应（偏导数）来看。如果X与Y的系数为正，则X对Y的边际效应将上升；反之，如果系数为负，则X对Y的边际效应将下降。
什么时候需要交互项呢？
一般情况下，若是变量X1对被解释变量可能受到X2影响的时候，这时候可以考虑用交互项来进行回归。
有关交互项需要注意：
应该包含所有项目，例如交互项X1X2，则回归方程中应该包含所有变量，X1和X2，除非有经济理论可以不包括在内。若是交互项三个，例如X1*X2*X3，则变量回归中，还应该包含X1，X2，X3和这三个变量两两交互项。
11、如何确定论文方法和数据？
有时候千辛万苦想用一个方法来研究某个课题，这时候建议根据前期中心给出的建议，一般情况下，需要结合研究发方法+软件+数据来考量，有时候你想用的面板数据，若是由于数据缺失等原因，可能就徒劳无功，所以一般情况下，建立同时考量方法，然后在数据可得性以及合理性的基础上，对数据进行一定的预处理，然后在进行数据分析，这时候，可能效果会更好了。
12、stata中如何报告自己的统计量？
一般情况下，期刊论文回归分析都需要报告各个变量的t统计量以及回归系数，而且会在方程下面注明显著性水平值，另外还会注明每一个回归方程的可决系数以及F值等，这个需要根据具体期刊版面要求了，前期中心推文过如何将stata输出结果与word结合，另外由中心编写的520+行do文档命令，直接将描述性分析以及相关分析、回归分析、面板数据结果输出等各种问题整理了，有兴趣的可以参加十一北京培训会议，这些命令前期公众号推文过很多次，供大家免费阅读，有什么问题，可以直接留言提问或者加入我们的群。
13、如何理解格兰杰因果检验？
格兰杰因果检验是检验统计上的时间先后顺序，并不表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定。
关于格兰杰因果检验若X都不是Y的格兰杰原因，这并不是说X与Y之间毫无关系。格兰杰因果检验本身也不是真实意义上检验变量的因果关系，而只是检验变量在统计上的时间先后顺序。
格兰杰检验只能用于平稳序列！这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。
14、平稳性检验与协整检验？
单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。
当检验的数据是平稳的（即不存在单位根），即意思是单位根检验的原假设是存在单位根，存在单位根，则不平稳，等价关系！ 要想进一步考察变量的因果联系，可以采用格兰杰因果检验。
平稳性检验有3个作用：1）检验平稳性，若平稳，做格兰杰检验，非平稳，作协正检验。2）协整检验中要用到每个序列的单整阶数。
当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和JJ检验 （1）、EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性 （2）、JJ检验是基于回归系数的检验。
单位根检验方法步骤
在eviews中，ADF检验的方法：1 view---unit roottest，出现对话框，默认的选项为变量的原阶序列检验平稳性，确认后，若ADF检验的P值小于0.5，拒绝原假设，说明序列是平稳的，若P值大于0.5，接受原假设，说明序列是非平稳的；2 重复刚才的步骤，view---unit root test，出现对话框，选择1stdifference,即对变量的一阶差分序列做平稳性检验，和第一步中的检验标准相同，若P值小于0.5，说明是一阶平稳，若P值大于0.5，则继续进行二阶差分序列的平稳性检验。
虽然定义经过d阶差分后是平稳的，但是软件只提供到2阶差分，若是原始数据没有经过差分就平稳，则说明那是零阶单整，记为I（0）的过程。
在stata中，单位根检验命令为：dfuller lnagdp，建议help dfuller等。
先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第d次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则可以构造VEC模型或者进行Granger因果检验，检验变量之间“谁引起谁变化”，即因果关系。
关于截距、趋势选择问题，请大家看图，view，graph，若是有时间趋势，则选择截距和趋势；若是围绕0波动，则选择具有截距；若是没有上述情况，选择none。
单位根检验是检验数据的平稳性，或是说单整阶数。
协整是说两个或多个变量之间具有长期的稳定关系。但变量间协整的必要条件是它们之间是同阶单整，也就是说在进行协整检验之前必须进行单位根检验。
协整说的是变量之间存在长期的稳定关系，这只是从数量上得到的结论，但不能确定谁是因，谁是果。而因果关系检验解决的就是这个问题。
单位根检验是检验时间序列是否平稳，协整是在时间序列平稳性的基础上做长期趋势的分析，而格兰杰检验一般是在建立误差修正模型后，所建立的短期的因果关系。故顺序自然是先做单位根检验，再过协整检验，最后是格兰杰因果检验。
单位根检验是对时间序列平稳性的检验，只有平稳的时间序列，才能进行计量分析，否则会出现伪回归现象；协整是考察两个或者多个变量之间的长期平稳关系；格兰杰因果检验是考察变量之间的因果关系，协整说明长期稳定关系不一定是因果关系，所以需要在通过格兰杰因果检验确定两者的因果关系。顺序一般是单位根检验，通过后如果同阶单整，在进行协整，然后在进行因果检验。要特别注意的是：只有同阶单整才能进行协整。
15、VAR模型
VAR建模时lag intervals for endogenous要填滞后期，但是此时你并不能判断哪个滞后时最优的，因此要试，选择不同的滞后期，至AIC或SC最小时，所对应着的滞后为最优滞后，此时做出来的VAR模型才较为可靠。
联系客服
