最简单的就是用OLS进行回归分析,但是这样回归需要满足几个条件:
(1)线性假定。即解释变量与被解释变量之间为线性关系。
(2)严格外生性。即随机扰动项独立于所有解释变量:与解释变量之间所有时候都是正交关系,随机扰动项期望为0。
(3)不存在严格的多重共线性。一般在现实数据中不会出现,但是设置过多的虚拟变量时,可能会出现这种现象。
(4)扰动项为球型扰动项,即随即扰动项同方差,无自相关性。
深入的STATA学习,主要就是告诉我们怎么检验是否满足上面进行回归的四个前提条件,检验发现不满足上述的条件时,通过什么办法解决。如:(1)通过检验发现模型为非线性的,则需要通过变形等方式将模型换成现性。或者采取NLS回归。
(2)通过检验发现解释变量非严格的外生,则需要采用工具变量,运用二阶段最小二乘法,即2SLS来解决这一问题。
(3)通过检验发现解释变量存在多重共线性,则需要剔除产生多重共线性的解释变量。
(4)通过检验发现发现扰动项为异方差,则需要采用OLS+robust、GLS、WLS等方法进行估计。如果检验存在自相关等现象,则需要通过OLS+HAC、OLS+CRSE、FGLS等方法进行回归,或者修改模型,添加造成自相关的自变量。
进一步的stata学习则给我们讲述的是对于各种类型的回归模型,我们应该注意什么。如:
(1)对于时间序列我们应该注意其是否平稳?通过单位根检验发现不平稳怎么办?采取AR、MA、ARMA、ADL、VAR、VMA和格兰杰因果检验都是时间序列里面应该注意的问题。
(2)对于面板数据我们应该注意其为短面板、长面板还是动态面板?各自有什么特征?在估计的时候应该注意什么?
(3)对于离散的解释变量已经不适合用OLS回归,是否应该采取probit 和logit二值模型和多值模型?
(4)自回归条件异方差模型和联立方程模型等的拓展。
P.S.这仅仅是我在初步学习计量软件的一些想法,不知道想的对不对,看到的同学多多发表自己的想法吧。同时我也很想不明白大家经常提到的层次分析法、聚类分析、方差分析.......也是软件解决的内容,但是他们到底属于我分析的哪一个板块呢?有没有人能把我们经常提到的这些分析方法也来进行一个总结呢?