▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼
缺失值問題的處理一般如下：如果樣本量足夠大，可以考慮刪除；在對數據不進行刪除的情況下，缺失值問題的處理方法：
(1) 均值插補。
如果連續兩年缺失的情況可以使用移動平均進行插值（平滑法）。(2) 回歸插補。
(3) 多重插補（Multiple Imputation，MI）。
通常是估計出待插補的值加上噪聲後形成多組可選插補值。
非平衡面板不能直接做，但是可以直接使用xtbalance，該命令專門用於將連續時間非平衡面板處理成平衡面板。xtbalance命令的具體用法：xtbalance, range(numlist) [ miss(varlist) ]
Husman檢驗結果如果為隨機效應模型，說明你的數據更適合建立隨機效應模型，一般如果可以建立固定效應模型的要求高於隨機效應模型，通常來說固定效應模型使用的更多。
面板數據時間固定或地點固定stata程序：
xtset id year
xtreg x1 x2,fe整體效應
xtreg x1 x2 i.year,fe時間效應
xtreg x1 x2 i.id地區效應
如果要繼續分片做，第一種是把要考慮的地區單獨估計，第二種方式是設置虛擬變量估計。
做面板數據一般年份做到8年及以上。
異方差問題可以直接修正標準誤，使用xtreg y x1 x2, fe vce(robust)。
當你面板數據時間維度t比較長的，要做單位根檢驗，避免出現偽回歸問題。
將各種結果存為word、Pdf等格式的命令：
ssc install asdoc, replace
ssc install logout
ssc install outreg2
Ssc install tabout//做表格
差分GMM做面板數據，gen dif=code[5]-code[1]
[n]表示變量code的第n個觀測值。
因果檢驗可以使用格蘭傑因果檢驗方法。
請用（ssc install reghdfe) 並見其說明 (help reghdfe)，處理不同國家不同行業的不同數據
https://www.stata.com/support/faqs/statistics/completely-determined-in-logistic-regression/
2SLS中，第一階段回歸是用OLS建立每個內生變量關於工具變量和外生變量的回歸，得到內生變量的估計值；第二階段回歸用估計值代替x進行回歸。
工具變量檢驗方法整理如下：
進行hausman test，檢驗所有變量是否均為外生變量，原假設為所有解釋變量外生；
如果工具變量個數>內生變量，則進行過度識別，利用estat overied進行驗證；sargan test：原假設為工具變量有效；弱工具變量檢驗：
①偏R2
②一階段回歸時看F值
estate firststage,all forcenonrobust（針對方法1和方法2）
③Cragg-Donald Wald F統計量，原假設為存在弱工具變量。
④Kleibergen-Paap rk LM statistic F值很大，P=0拒絕原假設，利用ivreg2
當工具變量個數=內生變量時，無法進行過度識別；
當工具變量個數>內生變量時，進行過度識別檢驗。
do文檔亂碼問題
①把需要轉換的其他版本的do文檔放到Stata的工作路徑中
②輸入命令：使用unicode的命令
unicode encoding set gb18030
unicode analyze *
unicode translate *
時間調整下載sax12包
關於組間差異性檢驗問題：
如果當兩個係數都是顯著的時候，兩個係數的置信區間有重疊的話，其實不太好判斷出來兩者是否有明顯差異，所以還是要做一下檢驗
三種檢驗組間係數差異的方法：主要可以通過三種方法來驗證：Chow 檢驗、基於似無相關模型的檢驗方法 (suest)、費舍爾組合檢驗（Permutation test）
https://www.jianshu.com/p/f27f8716dd2d
PSM方法
ssc install psmatch2 #安裝程序包
.gen tmp = runiform()
.sort tmp #對所有觀測隨機排序
.psmatch2 。。。 #PSM分析
.pstest, both #均衡性檢驗
.psgraph #圖示匹配結果
DID使用規定：
1.前提條件
①存在實驗組和對照組
②面板數據，截面數據不符合
2.模型前提
①平行趨勢假設：在政策幹預之前，處理組和控制組的結果效應的趨勢相同
②SUTVA條件：政策幹預只影響處理組，不對控制組產生影響
③線性形式條件：潛在結果變量同處理變量和時間變量滿足線性條件
Logit求邊際效應
margins命令
dydx(varlist)估計變量的邊際效應；
eyex(varlist)估計變量的彈性；
dyex(varlist)估計變量的半彈性(d(y)/d(lnx))；
eydx(varlist)估計變量的半彈性(d(lny)/d(x))。
負二項分布式描述過度分散的計數數據
合併數據問題
keep(varlist) 只保留filename中特定的變量
_merge(newvar) 合併滯後生成新變量，默認名稱為_merge
nolabel不要複製filename中所定義的標籤
updatae 用filename 中的數據代替內存中的缺失值
nokeep刪除資料庫中不能匹配的觀測值
Unique 匹配變量在源文件與合併文件中都是唯一的
Uniqmaster 匹配變量在源文件中必須是唯一的
Uniqusing 匹配變量在合併文件中必須是唯一的
內生性來源：測量誤差、遺漏變量和逆向因果。
1、變量的內生性。
當存在適當的工具變量時可以用Hausman檢驗
2、工具變量的外生性。
當存在多各工具變量時，可以檢驗是否有不是外生的，「過度識別」問題
3、工具變量的相關性。
檢驗可以通過一階段的F值。
4、估計方法
stata中的2sls smal、liml、gmm
適用情況：small適合小樣本；liml適合弱工具變量；gmm適合異方差。
檢驗：
estata firststage ,all forcenonrobust \\\查看第一階段F值
estat overid \\\過度識別
estat endogenous \\\異方差
regress 2sls rent pcturban hsngval
est store m1
ivregress 2sls rent pcturban (hsngval = faminc iregion)
est store m2
hausman m1 m2 \\\內生檢驗
工具變量選擇
① IV是外生的
② 將內生變量X作為被解釋變量，IV和其他解釋變量作為解釋變量進行回歸，查看工具變量是否顯著。如果有多個IV變量，用F檢驗看是否都不顯著。
③ 做IV回歸後用husman檢驗，若P<0.1或0.05，說明IV回歸與原回歸顯著不同，原方程存在內生性問題導致的估計偏誤。
④ IV本身不能影響Y。
test [y1=y2]（對y1的回歸和對y2的回歸係數相等）
test [y1=y2]: x1 x2 x3, mtest（對y1和y2的回歸中，分別測試x1、x2、x3的係數是否相等，若沒有mtest這個命令，則測試他們的聯和統計）
test [y1=y2=y3]（三個回歸的係數是否相等，可加mtest以分別測試）
test [y1=y2=y3]: x1 x2 （測試三個回歸中的x1、x2是否相等，可加mtest）
stata學習手冊
http://www.360doc.com/content/19/0419/08/3405550_829816798.shtml
視頻教學：計量原理+Stata實操+經典案例論文全解讀
配套資料：課件練習答案+數據do文件+獨家Stata程序
增值服務：學術助手社群答疑
由南開大學數量經濟研究所所長王群勇教授及其學術團隊主辦，旨在定期與大家分享計量經濟學的相關理論及軟體使用技巧，覆蓋經濟學、管理學、社會學等學科，為廣大學友提供優質學術內容。