带有线性控制变量的PSTR面板平滑转换回归MATLAB程序

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

本程序包综合了Colletaz Hurlin的MATLAB程序包和王群勇教授的Stata程序包的功能，具有如下特色：
1.  可加入线性控制变量（Colletaz Hurlin的MATLAB程序包不具备此功能）。
2.  转换函数有Logistic、Exponential和Normal CDF等三种可选形式（Colletaz Hurlin的MATLAB程序包只能使用第一种转换函数）。
3.  线性检验等提供了LM、F、LRT三种统计量（王群勇教授的Stata程序包缺乏LM与LRT统计量）。
4.  提供了全面的参数估计值的统计推断（Colletaz Hurlin的MATLAB程序包不能对参数gamma和c的估计值进行统计推断）。
5.  提供了转换函数图的绘制功能（Colletaz Hurlin的MATLAB程序包不直接具备此功能）。
6.  提供了解释变量的边际效应及其置信区间图的绘制功能（Colletaz Hurlin的MATLAB程序包和王群勇教授的Stata程序包均不具备此功能）。

本程序包暂时不上传，感兴趣的同学和老师可以一起交流！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏10 回帖

关键词：MATLAB程序 MATLAB matla atlab 控制变量

1. clc, clear
   
2. % 加载数据
   
3. data = loadhansen1999("../data/hansen1999.csv");
   
4. 
   
5. % 个体与时间变量
   
6. xtset = {'id', 'year'};
   
7. % 被解释变量
   
8. dep   = 'i';
   
9. % 解释变量, 其中d1为核心解释变量, 其余变量为控制变量
   
10. indep = {'q1', 'q2', 'q3', 'd1', 'qd1'};
    
11. % 转换函数设置
    
12. spec.model          = 'LSTR';  % 转换函数类型
    
13. spec.transition     = 'c1';    % 转换变量
    
14. spec.indvars        = 'd1';    % 核心解释变量
    
15. spec.has_const      = 0;       % 不包含截距项
    
16. spec.num_thereshold = 1;       % 阈值数量为1
    
17. 
    
18. % 模型估计
    
19. result = fit_pstr(data, 'xtset', xtset, 'dep', dep, 'indep', indep, 'spec_list', spec);
    
20. 
    
21. 
    
22. % 参数估计结果
    
23. disp(result.estimate);
    
24. %                           estimate       std_err       tstat        pvalue       CILower       CIUpper
    
25. %                          ___________    __________    ________    __________    __________    _________
    
26. %     q1                      0.015154    0.00084457      17.943             0      0.013498     0.016809
    
27. %     q2                      -0.02832     0.0025427     -11.138             0     -0.033304    -0.023336
    
28. %     q3                     0.0015136    0.00019584      7.7287     1.088e-14     0.0011297    0.0018974
    
29. %     d1                     -0.038981     0.0046438     -8.3942             0     -0.048083    -0.029879
    
30. %     qd1                  -0.00098702     0.0014572    -0.67734       0.49819    -0.0038431    0.0018691
    
31. %     _cons                   0.078053     0.0014457      53.989             0       0.07522     0.080887
    
32. %     _nl_1_c1_d1             0.040217     0.0057396       7.007    2.4354e-12      0.028968     0.051466
    
33. %     _nl_1_thereshold1        0.20571     0.0072709      28.293             0       0.19146      0.21996
    
34. %     _nl_1_gamma               142.77        186.02     0.76748       0.44279       -221.82       507.36
    
35. 
    
36. % 线性检验
    
37. disp(result.linear_test);
    
38. %           H0             LM      LM_prob       F       F_prob       LR      LR_prob
    
39. %     _______________    ______    _______    _______    _______    ______    _______
    
40. %
    
41. %     "b1=0"             280.32          0      134.8          0    285.41          0
    
42. %     "b1=b2=0"          281.33          0     67.633          0    286.45          0
    
43. %     "b1=b2=b3=0"       406.29          0     66.183          0    417.09          0
    
44. %     "b1=b2=b3=b4=0"    413.82          0     50.595          0    425.04          0
    
45. %     "b1=b3=0(HoL)"     297.83          0     71.718          0    303.58          0
    
46. %     "b2=b4=0(HoE)"     132.69          0     31.273          0    133.82          0
    
47. %     "b1=0|b2=b3=0"     280.32          0      134.8          0    280.32          0
    
48. %     "b2=0|b3=0"        1.0426    0.59375    0.48353    0.61662    1.0427    0.59373
    
49. %     "b3=0"             129.57          0     61.068          0    130.64          0
    
50. 
    
51. % 残差线性检验
    
52. disp(result.reslinear_test);
    
53. %           H0             LM       LM_prob        F         F_prob        LR       LR_prob  
    
54. %     _______________    ______    __________    ______    __________    ______    __________
    
55. %
    
56. %     "b1=0"             6.7206     0.0095308    6.2407      0.012506    6.7234     0.0095156
    
57. %     "b1=b2=0"          8.4363      0.014726    3.9173      0.019936    8.4408      0.014693
    
58. %     "b1=b2=b3=0"       13.364     0.0039125    4.1389     0.0061114    13.375     0.0038919
    
59. %     "b1=b2=b3=b4=0"    22.029    0.00019774     5.122     0.0004047     22.06    0.00019497
    
60. %     "b1=b3=0(HoL)"     5.8813      0.052831    2.7293      0.065332    5.8835      0.052773
    
61. %     "b2=b4=0(HoE)"     15.293    0.00047778    7.1052    0.00082646    15.308    0.00047426
    
62. %     "b1=0|b2=b3=0"     6.7206     0.0095308    6.2407      0.012506    6.7206     0.0095308
    
63. %     "b2=0|b3=0"        1.7172       0.19005    1.5934       0.20688    1.7174       0.19002
    
64. %     "b3=0"             4.9327      0.026354    4.5782      0.032414    4.9342       0.02633
    
65. 
    
66. 
    
67. % 参数固定性检验
    
68. disp(result.pconstant_test);
    
69. %           H0             LM        LM_prob        F        F_prob        LR        LR_prob
    
70. %     _______________    _______    _________    _______    _________    _______    _________
    
71. %
    
72. %     "b1=0"              8.7987    0.0030145     8.1726    0.0042648     8.8036    0.0030064
    
73. %     "b1=b2=0"           9.4553    0.0088472      4.391     0.012421      9.461    0.0088223
    
74. %     "b1=b2=b3=0"        9.6251     0.022037     2.9796     0.030183     9.6309     0.021978
    
75. %     "b1=b2=b3=b4=0"     9.8962     0.042214     2.2974     0.056637     9.9024     0.042105
    
76. %     "b1=b3=0(HoL)"     0.29005        0.865    0.13451      0.87415    0.29006        0.865
    
77. %     "b2=b4=0(HoE)"     0.34969      0.83959    0.16216      0.85031    0.34969      0.83959
    
78. %     "b1=0|b2=b3=0"      8.7987    0.0030145     8.1726    0.0042648     8.7987    0.0030145
    
79. %     "b2=0|b3=0"        0.65737      0.41749    0.60989      0.43486     0.6574      0.41748
    
80. %     "b3=0"             0.16999      0.68012    0.15768      0.69132    0.16999      0.68012

复制代码

最近刚好在研究这个问题  一起交流分享

1. clc, clear
   
2. % 加载数据
   
3. data = loaddata('../data/data_pstr.csv');
   
4. % 个体与时间变量
   
5. xtset = {'id', 'time'};
   
6. % 被解释变量
   
7. dep   = 'y';
   
8. % 解释变量
   
9. indep = {'x1', 'x2'};
   
10. % 转换函数设置
    
11. spec.model          = 'LSTR';
    
12. spec.transition     = 'q';
    
13. spec.indvars        = {'x1', 'x2'};
    
14. spec.has_const      = 0;
    
15. spec.num_thereshold = 1;
    
16. 
    
17. % 模型估计
    
18. result = fit_pstr(data, 'xtset', xtset, 'dep', dep, 'indep', indep, 'spec_list', spec);
    
19. % 参数估计结果
    
20. disp(result.estimate);
    
21. %                          estimate     std_err      tstat       pvalue      CILower      CIUpper
    
22. %                          _________    ________    _______    __________    ________    _________
    
23. %
    
24. %     x1                     0.34604    0.026452     13.082             0      0.2942      0.39789
    
25. %     x2                     0.44297    0.043844     10.103             0     0.35704       0.5289
    
26. %     _cons                  -0.7068    0.052211    -13.537             0    -0.80913     -0.60447
    
27. %     _nl_1_q_x1           -0.097377    0.024343    -4.0002      6.33e-05    -0.14509    -0.049665
    
28. %     _nl_1_q_x2            -0.37956    0.054013    -7.0273    2.1059e-12    -0.48543      -0.2737
    
29. %     _nl_1_thereshold1      -1.4664    0.054602    -26.856             0     -1.5734      -1.3594
    
30. %     _nl_1_gamma             4.8632      1.0944     4.4435    8.8511e-06      2.7181       7.0082
    
31. 
    
32. disp(result.llh);        % 910.1408
    
33. disp(result.aic);        % -1.8083e+03
    
34. disp(result.bic);        % -1.7805e+03
    
35. disp(result.hqic);       % -1.8089e+03
    
36. disp(result.r2_within);  % 0.5277
    
37. disp(result.r2_between); % 0.2232
    
38. disp(result.r2_overall); % 0.2291

复制代码

转换函数图：

解释变量x1的边际效应（转换系数）图：




在区制度1、区制2以及区制转换过程中, 变量x1的偏效应为正且随着转换变量q的增大而逐步减小。95%的置信区间表明，变量x1的偏效应在5%的水平上显著。

特价橘子1214 发表于 2022-5-2 10:26
最近刚好在研究这个问题  一起交流分享

好的呀，一起进步。

能否分享下代码？楼主

317792209 发表于 2022-5-3 08:08
能否分享下代码？楼主

发给你了。

楼主可以发一份代码吗，非参感谢，1069531132@qq.com

可以发一份吗，1069531132@qq.com，非参感谢