stata交叉項命令

⑴ 用stata軟體怎麼寫命令

首先呢，如果工資沒取對數，要先取對數，命令gen logwage=ln(wage)
然後回歸 命令如下：reg 因變數 自變數1 自變數2.。。。。
第一題，就是加入一個是否是黑人的虛擬變數，看回歸是否顯著
第三題，就是生成一個教育和種族的交叉項 看回歸是否顯著
第四題，就是生成黑人和已婚的交叉項 看回歸是否顯著

⑵ stata中的corr,pwcorr和spearman命令有什麼意義

可用於計算矩陣。
在Stata中，命令corr用於計算一組變數間的協方差或相關系數矩陣；命令pwcorr可用於計算一組變數中兩兩變數的相關系數，同時還可以對相關系數的顯著性進行檢驗； 命令pcorr 用於計算一組變數中兩兩變數的偏相關系數並進行顯著性檢驗。
Stata是一套提供其使用者數據分析、數據管理以及繪制專業圖表的完整及整合性統計軟體。它擁有很多功能，包含線性混合模型、均衡重復反復及多項式普羅比模式。

⑶ 固定效應模型stata命令是什麼

應為在stata中，i.year

這種生成變數的方式只對與單一變數有效，而且在回歸方程之中不能夠有運算符號。

可以試一下使用stata自帶的自動生成交叉變數的命令，interaction

expansion，或者是使用

data

>

create

or

change

data

>

other

variable...

統計功能

Stata的統計功能很強，除了傳統的統計分析方法外，還收集了近20年發展起來的新方法，如Cox比例風險回歸，指數與Weibull回歸，多類結果與有序結果的logistic回歸，Poisson回歸，負二項回歸及廣義負二項回歸，隨機效應模型等。

數值變數資料的一般分析：參數估計，t檢驗，單因素和多因素的方差分析，協方差分析，交互效應模型，平衡和非平衡設計，嵌套設計，隨機效應，多個均數的兩兩比較，缺項數據的處理，方差齊性檢驗，正態性檢驗，變數變換等。

以上內容參考：網路-stata

⑷ 如何用Stata命令消除多重共線性問題

影響
（1）完全共線性下參數估計量不存在
（2）近似共線性下OLS估計量非有效
多重共線性使參數估計值的方差增大，1/(1-r2)為方差膨脹因子(Variance Inflation Factor, VIF)如果方差膨脹因子值越大，說明共線性越強。相反 因為，容許度是方差膨脹因子的倒數，所以，容許度越小，共線性越強。可以這樣記憶：容許度代表容許，也就是許可，如果，值越小，代表在數值上越不容許，就是越小，越不要。而共線性是一個負面指標，在分析中都是不希望它出現，將共線性和容許度聯系在一起，容許度越小，越不要，實際情況越不好，共線性這個「壞蛋」越強。進一步，方差膨脹因子因為是容許度倒數，所以反過來。
總之就是找容易記憶的方法。
（3）參數估計量經濟含義不合理
（4）變數的顯著性檢驗失去意義，可能將重要的解釋變數排除在模型之外
（5）模型的預測功能失效。變大的方差容易使區間預測的「區間」變大，使預測失去意義。
需要注意：即使出現較高程度的多重共線性，OLS估計量仍具有線性性等良好的統計性質。但是OLS法在統計推斷上無法給出真正有用的信息。
判斷方法
如圖，是對德國人口老齡化情況的分析，其中y是老齡化情況，線性回歸的x1、x2、x3分別為人均國內生產總值、出生率、每個醫生平均負擔人口數。
判斷方法1：特徵值，存在維度為3和4的值約等於0，說明存在比較嚴重的共線性。
判斷方法2：條件索引列第3第4的值大於10，可以說明存在比較嚴重的共線性。
判斷方法3：比例方差內存在接近1的數（0.99），可以說明存在較嚴重的共線性。
解決方法
（1）排除引起共線性的變數
找出引起多重共線性的解釋變數，將它排除出去，以逐步回歸法得到最廣泛的應用。
（2）差分法
時間序列數據、線性模型：將原模型變換為差分模型。
（3）減小參數估計量的方差：嶺回歸法（Ridge Regression）。
（4）簡單相關系數檢驗法