求问大家，关于检验

请问大家是否有对回归系数之和的单侧检验的命令呢？比如我的回归方程是 y=b1+b2x1+b3x2，如果我想检验b2+b3是否显著的异于0，我可以test b2+b3=0,但如果我想检验b2+b3是否显著的>0,有这样的命令吗？

这应该是计量书中都有教的检定吧（请找书看看）？基本上，令 a=b1+b2，然后 b1=a-b2 带回原式化减，此时你要检定 a。

如果我回归之后，使用gen xx=b2+b3，再ttest=0可以吗？我试着做了一下感觉不对啊

d'din

黃河泉 发表于 2018-4-28 08:12
这应该是计量书中都有教的检定吧（请找书看看）？基本上，令 a=b1+b2，然后 b1=a-b2 带回原式化减，此时你要 ...

谢谢黄老师，那老师我是不是应该这样做假定原式Y=C+B1X1+B2X2,令a=B1+B2那么原式即为Y=C+aX1+B2(X2-X1)，然后即对 Y X1 (X2-X1)这三个变量进行回归，最后再ttest a

苦话别时事 发表于 2018-4-28 11:07
谢谢黄老师，那老师我是不是应该这样做假定原式Y=C+B1X1+B2X2,令a=B1+B2那么原式即为Y=C+aX1+B2(X2-X1)， ...

没错。

黃河泉 发表于 2018-4-28 11:21
没错。

感谢黄老师！！！

和直接test b2+b3=0应该是一样的

1. . reg y x1 x2
   
2. 
   
3.       Source |       SS           df       MS      Number of obs   =        74
   
4. -------------+----------------------------------   F(2, 71)        =     18.91
   
5.        Model |   220725280         2   110362640   Prob > F        =    0.0000
   
6.     Residual |   414340116        71  5835776.28   R-squared       =    0.3476
   
7. -------------+----------------------------------   Adj R-squared   =    0.3292
   
8.        Total |   635065396        73  8699525.97   Root MSE        =    2415.7
   
9. 
   
10. ------------------------------------------------------------------------------
    
11.            y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
12. -------------+----------------------------------------------------------------
    
13.           x1 |   4.699065   1.122339     4.19   0.000     2.461184    6.936946
    
14.           x2 |  -97.96031    39.1746    -2.50   0.015    -176.0722   -19.84838
    
15.        _cons |   10386.54   4308.159     2.41   0.019     1796.316    18976.76
    
16. ------------------------------------------------------------------------------
    
17. 
    
18. . test  x1+x2=0
    
19. 
    
20. ( 1)  x1 + x2 = 0
    
21. 
    
22.        F(  1,    71) =    5.99
    
23.             Prob > F =    0.0169
    
24. 
    
25. .
    
26. . gen x21=x2-x1
    
27. 
    
28. . reg y x1 x21
    
29. 
    
30.       Source |       SS           df       MS      Number of obs   =        74
    
31. -------------+----------------------------------   F(2, 71)        =     18.91
    
32.        Model |   220725280         2   110362640   Prob > F        =    0.0000
    
33.     Residual |   414340116        71  5835776.28   R-squared       =    0.3476
    
34. -------------+----------------------------------   Adj R-squared   =    0.3292
    
35.        Total |   635065396        73  8699525.97   Root MSE        =    2415.7
    
36. 
    
37. ------------------------------------------------------------------------------
    
38.            y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
39. -------------+----------------------------------------------------------------
    
40.           x1 |  -93.26125   38.11459    -2.45   0.017    -169.2596   -17.26291
    
41.          x21 |  -97.96031    39.1746    -2.50   0.015    -176.0722   -19.84838
    
42.        _cons |   10386.54   4308.159     2.41   0.019     1796.316    18976.76
    
43. ------------------------------------------------------------------------------
    
44. 
    
45. . test x1
    
46. 
    
47. ( 1)  x1 = 0
    
48. 
    
49.        F(  1,    71) =    5.99
    
50.             Prob > F =    0.0169

复制代码

是没有区别的

. reg y x1 x2

      Source |       SS           df       MS      Number of obs   =        74
-------------+----------------------------------   F(2, 71)        =     18.91
       Model |   220725280         2   110362640   Prob > F        =    0.0000
    Residual |   414340116        71  5835776.28   R-squared       =    0.3476
-------------+----------------------------------   Adj R-squared   =    0.3292
       Total |   635065396        73  8699525.97   Root MSE        =    2415.7

------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
          x1 |   4.699065   1.122339     4.19   0.000     2.461184    6.936946
          x2 |  -97.96031    39.1746    -2.50   0.015    -176.0722   -19.84838
       _cons |   10386.54   4308.159     2.41   0.019     1796.316    18976.76
------------------------------------------------------------------------------

. test  x1+x2=0

( 1)  x1 + x2 = 0

       F(  1,    71) =    5.99
            Prob > F =    0.0169

.
. gen x21=x2-x1

. reg y x1 x21

      Source |       SS           df       MS      Number of obs   =        74
-------------+----------------------------------   F(2, 71)        =     18.91
       Model |   220725280         2   110362640   Prob > F        =    0.0000
    Residual |   414340116        71  5835776.28   R-squared       =    0.3476
-------------+----------------------------------   Adj R-squared   =    0.3292
       Total |   635065396        73  8699525.97   Root MSE        =    2415.7

------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
          x1 |  -93.26125   38.11459    -2.45   0.017    -169.2596   -17.26291
         x21 |  -97.96031    39.1746    -2.50   0.015    -176.0722   -19.84838
       _cons |   10386.54   4308.159     2.41   0.019     1796.316    18976.76
------------------------------------------------------------------------------

. test x1

( 1)  x1 = 0

       F(  1,    71) =    5.99
            Prob > F =    0.0169

蓝色 发表于 2018-4-28 17:17
是没有区别的

. reg y x1 x2

虽然在实务操作上 (如同蓝色版主所提供资料)，两者似乎一样，但这只适用"双尾"检定 (t^2=F)，并不适用楼主的"单尾"检定。例如在 Hill, Griffiths and Lim (2012), Principles of Econometrics, Fourth Edition 的第 230 页有一类似之"单尾"检定问题，作者说：

1. In this case, we can no longer use the F-test. Because F = t^2, the F-test cannnot distinguish between the left and right tails as is needed for a one-tail test.

复制代码