一、简介该博文是博主上次写《StataIC——数据描述性统计分析、平稳性检验、平稳化》后建立的传送门，该博文主要建立协同检测和误差修正模型。 本文是关于线性回归的基本操作； 时间序列的稳定性检验、协整检验和误差修正模型(下一篇博文续)等博文。 博主是个普通的大学生，没有什么了不起的技术，用不正经的腼腆手机写简单的内容。 写的也是自己在消化了学校教的知识之后的见解，并不是很有学术研究的博文。 配置： Window 7旗舰版64位操作系统stataic14(64-bit )二、协整(EG二步法)根据前文结论，gdpr和consr都是一步单整，接下来进行协整，gdpr和consr
1.OLS回归命令： reg varname1 varname2 #varname1和varname2是两个变量的名称先例。
输入命令： reg gdpr consr
结果如下图所示。
2 .对残差进行单位根检验生成残差
(1)命令： predict e，residual #固定语句中，不需要变量名的置换
)2)例如：
输入命令： predict e，residual
结果如下图所示。
对残差进行单位根检验
)1)首先按时间顺序设置e，键入命令tsset year，然后按Enter键。 (year可以替换为你的时间变量名) :
结果如下图所示。
)2)紧接着输入命令： dfuller e，nocons reg。 不需要替换变量名) ) )。
结果如下图所示。
3 .结论拒绝原假设(原假设：至少存在一个单位根)，从5%的阈值看，他残差e平稳。 在95%的水平上，我们可以拒绝原来的假设。 因此，gdpr与consr呈长期均衡关系，估计的协调关系gdpr=0.02 0.93*consr是{gdpr，consr}之间的长期均衡关系(其中0.02、0.93为长期参数)。 第二点的参数来自下图中的红色框。
因此，长期均衡公式如下。
三.建立了误差修正模型(ECM )的长期均衡公式。 ) {gdpr，consr} )之间的短期关系)短期参数)时，需要使用误差修正模型) ECM )。
1 .官方解读
2 .误差加模型consr和gdpr协同工作，建立误差修正模型(ECM )。
其中，误差修正项如下
长期均衡公式：
3 .生成误差修正项ecmt-1，生成残差的滞后项，命令： gen ecm=l.e (定型语句) ) ) ) ) ) ) ) ) ) ) ) ) )。
结果如下图所示。
为已解释的变量生成滞后项，命令： gen dgdpr_lar=l.dgdpr (需要替换变量名而不是固定语句) :
结果如下图所示。
4 .用ols方法估计误差修正模型的参数命令： regd varname 1d varname1_ lard varname 2e cm例如：
输入命令： reg dgdpr dgdpr_lar dconsr ecm
结果如下图所示。
5 .统计检验符合性检验：调整R2为0.7933，说明描述变量能反映被描述变量79.33%的变化。 因为这里只是研究了gdpr和consr的关系，没有引入很多其他因素。 F检验： p值为0.0000，表明整个回归方程显著。 检查：说明变量dgdpr_lar和dconsr的p值分别为0.039和0.000，显著。 ecm和常数项的p值为0.053和0.769，不明显。 6 .调整由于常数项和ecm的t检验不明显，去除他们，重新输入回归命令：
reg dgdpr dgdpr_lar dconsr，nocons
结果如下图所示。
7 .最终估计的误差修正模型：
四、计量经济学检验异方差：异方差一般存在于断面数据中，如时序数据。 序列关联：变量已经差分化。 多重共线性：一般在回归前建立相关系数矩阵。 在这个实验报告中，长期均衡回归公式只有一个解释变量。 误差修正模型中的dgdpr_lar和ecm可以看到他们的相关系数，输入命令： pwcorr dgdpr_lar ecm，sig
结论相关系数为0.5740，小于0.8，认为不存在多重共线性。
结果如下图所示。
五、总结起来，StataIC的操作和语句很简单，主要是知道模型中的变量名。
*码字并不简单。 可以吗？ *%%%%%%=%o