2022年5月

一、软件、环境及数据

  1. 软件为Stata14便携版
  2. 系统环境为Win10
  3. 数据文件结构如下
code region year FDI time policy_year hsr ...
//由于课程还未完结,所以不交代完整数据结构(不影响此文阅读)

二、作业踩坑合集

(一)数据导入失败

导入数据失败

使用 import excel xxx.xlsx 命令以后报错
//报错内容 element not find

一开始以为是命令使用错误,然后使用Stata自带的工具进行导入,依旧如下报错。

软件导入

element not find

错误原因:

excel数据表使用了过多的计算函数,如SUM,AVG等,如果有跨表连接,也会报错。

解决办法:

新建一张工作簿,将原工作表复制,选择“仅文字黏贴”进新的工作簿,在Stata中导入新的工作簿。问题解决成功。

问题解决

(二)安装命令失败

安装命令失败

ssc install xxx
//命令报错 xxx not find at ssc

错误原因:

ssc库中缺少这样的命令,类似于Python自身库没有request库一样,需要我们在线检索安装。

解决办法:

findit xxx
//输入如上命令 xxx替换为要安装的命令
//然后按照下面的图执行

安装命令失败解决办法1-1

安装命令失败解决办法1-2

(三)设置面板数据报错

repeated time values within panel

错误原因:

我购买的数据里有重复记录值,所以删除重复值即可。

解决办法:

duplicates report个体 年份//检查个体年份是否能唯一识别
duplicates example个体 年份//举例子看哪里数据重复
duplicates drop个体 年份,force //强制删除重 复数据
tsset 个体年份
//再次设置面板数据
xtdes
//查看数据.

//例如我自己的数据
duplicates report FDI year/检查个体年份是否能唯一识别
duplicates example FDI year//举例子看哪里数据重复
duplicates drop FDI year,force //强制删除重 复数据
tsset 个体年份

(四)绘制趋势图天坑

  1. 设定面板的时候保持"地区变量"在前,"时间变量"在后
  2. 查看自己“地区变量”大致有多少个,如23个省
  3. 如果"地区变量"超越30个且数据量高达三四万,那么建议你看看自己的电脑配置带不带的动
//如果出现以下报错,说明Stata炸了

数据过载

错误原因:

数据量太大,并且"地区变量"过多,计算过载(反正我是这么理解的)

解决办法:

//框定特定地区来绘图
*例如:使用20个城市绘制时间趋势图*
xtline FDI if region=="Anqing" | region=="Ankang" | region=="Anshun" | region=="Anyang" | region=="Baicheng" | region=="Baicheng" | region=="Baise" | region=="Baishan" | region=="Baiyin" | region=="Baoding" | region=="Baoji" | region=="Baoshan" | region=="Baotou" | region=="Bayannaoer" | region=="Bazhong" | region=="Beihai" | region=="Bengbu" | region=="Benxi" | region=="Bozhou" | region=="Cangzhou" | region=="Changde" 

过载效果

过载效果看不清

正常效果

20城市时间趋势

(五)输出回归结果问题

因为要做混合,固定效应,随机效应等多个回归,所以如果每次都使用outreg2输出一次,然后再将结果合并在一起,那么未免有点浪费时间和精力,所以我推荐使用asdoc命令来输出回归结果,非常强大。

outreg2命令输出结果演示

reg FDI hsr pinci labor 
est store model2
outreg2[model2] using tab02,word replace se tdec(3) bdec(3)

asdoc命令输出结果演示

asdoc reg FDI hsr pinci labor, nest replace
//就这一行!
//是不是很简洁!

回归结果:

asdoc1

asdoc其他命令详述及演示

  1. 竖向追加回归结果
asdoc xtreg FDI hsr pinci labor,fe r nest append
//追加个体固定回归效应(聚类标准误)

回归结果:

asdoc2

  1. 横向放置回归表格
asdoc reg FDI hsr pinci labor, replace wide

回归结果:

wide1

  1. 横向追加回归结果
asdoc xtreg FDI hsr pinci labor,fe r wide

回归结果:

wide2

(六)截面数据设置面板数据

今天金融工程课上手写的,反正我听不懂,就手写了这个教程。(字很丑还写歪了,凑合看看吧。)

截面数据转换面板数据_2

三、后续有待补充...

关于自回归和异方差的坑回头再说吧,我好累,睡一会学专业课了,感觉考研要BBQ了/(ㄒoㄒ)/~~

一、负载均衡情况

  • 腾讯云CDN节点 负载主域名:https://caoyongzhuo.cn
    1. 178个探测点(完成178个)
    2. 最快四川成都[电信] 1ms
    3. 最慢美国 235ms
    4. 平均65.0ms

image-20220516191257912

  • 百度云CDN节点 负载子域名:https://www.caoyongzhuo.cn
    1. 178个探测点(完成178个)
    2. 最快四川成都[电信] 10ms
    3. 最慢韩国 596ms
    4. 平均47.5ms

image-20220516191431566

二、网站链接速度对比

  • 总体来说不尽如人意
  • CDN节点覆盖偏向东南地区且相较集中
  • 速度差异明显,网站实测负载效果差强人意吧

screencapture-tool-chinaz-speedcom-caoyongzhuo-cn-www-caoyongzhuo-cn-2022-05-16-18_57_18

三、负载过程

先不写了,学不完了。以后更新!

一、免责申明

  • 此文件仅供山东财经大学(学生用户)使用。
  • 技术含量不高,所有大家不用担心自己的用户名和密码安全,全部都是本地化的。
  • PBK文件为微软官方执行文件,未二次打包,防火墙要是报错请忽视。
  • 不是网络信息中心官网VPN配置方式,要是有顾虑大可自己设置。
  • 如有侵权请联系我删除,仅供学习参考,请勿用于非法获利。

二、下载地址

https://caoyongzhuo.cn/山财VPN/一键连接山财VPN.pbk

三、使用教程

  1. 双击 一键连接山财VPN.pbk 程序

image-20220503105846950

  1. 点击 连接 按钮

image-20220503110053935

  1. 输入 账号 密码,点击连接

image-20220503110336570

  1. 显示连接中

image-20220503110446489

  1. 现在就可以上内网网站了
  2. 如需挂断VPN,重新双击程序

image-20220503110608781

  1. 选择 挂断 即可

image-20220503110617521

四、常见问题及其解决

  1. 错误代码691

  • 这个问题大概率是你的用户名密码输错了。
  • 也可能是协议不正确导致的。
  • 确保如下信息完全一致。

  1. 错误代码628

  • 学校服务器中止连接了
  • 只需要重拨就行

五、代码原理

# 不要伪造Guid,否则后果自负!!
# 不要伪造Guid,否则后果自负!!
# 不要伪造Guid,否则后果自负!!
Encoding=1
PBVersion=6
Type=2
AutoLogon=0
UseRasCredentials=1
LowDateTime=580261312
HighDateTime=30957053
DialParamsUID=18500140
Guid=2E9E33939D329043A37D3C1631C02343
VpnStrategy=3
ExcludedProtocols=0
LcpExtensions=1
DataEncryption=8
SwCompression=0
NegotiateMultilinkAlways=0
SkipDoubleDialDialog=0
DialMode=0
OverridePref=15
RedialAttempts=3
RedialSeconds=60
IdleDisconnectSeconds=0
RedialOnLinkFailure=1
CallbackMode=0
CustomDialDll=
CustomDialFunc=
CustomRasDialDll=
ForceSecureCompartment=0
DisableIKENameEkuCheck=0
AuthenticateServer=0
ShareMsFilePrint=1
BindMsNetClient=1
SharedPhoneNumbers=0
GlobalDeviceSettings=0
PrerequisiteEntry=
PrerequisitePbk=
PreferredPort=VPN3-0
PreferredDevice=WAN Miniport (L2TP)
PreferredBps=0
PreferredHwFlow=1
PreferredProtocol=1
PreferredCompression=1
PreferredSpeaker=1
PreferredMdmProtocol=0
PreviewUserPw=1
PreviewDomain=1
PreviewPhoneNumber=0
ShowDialingProgress=1
ShowMonitorIconInTaskBar=1
CustomAuthKey=0
AuthRestrictions=544
IpPrioritizeRemote=1
IpInterfaceMetric=0
IpHeaderCompression=0
IpAddress=0.0.0.0
IpDnsAddress=0.0.0.0
IpDns2Address=0.0.0.0
IpWinsAddress=0.0.0.0
IpWins2Address=0.0.0.0
IpAssign=1
IpNameAssign=1
IpDnsFlags=0
IpNBTFlags=1
TcpWindowSize=0
UseFlags=2
IpSecFlags=1
IpDnsSuffix=
Ipv6Assign=1
Ipv6Address=::
Ipv6PrefixLength=0
Ipv6PrioritizeRemote=1
Ipv6InterfaceMetric=0
Ipv6NameAssign=1
Ipv6DnsAddress=::
Ipv6Dns2Address=::
Ipv6Prefix=0000000000000000
Ipv6InterfaceId=0000000000000000
DisableClassBasedDefaultRoute=0
DisableMobility=0
NetworkOutageTime=0
IDI=
IDR=
ImsConfig=0
IdiType=0
IdrType=0
ProvisionType=0
PreSharedKey=
CacheCredentials=1
NumCustomPolicy=0
NumEku=0
UseMachineRootCert=0
Disable_IKEv2_Fragmentation=0
PlumbIKEv2TSAsRoutes=0
NumServers=0
RouteVersion=1
NumRoutes=0
NumNrptRules=0
AutoTiggerCapable=0
NumAppIds=0
NumClassicAppIds=0
SecurityDescriptor=
ApnInfoProviderId=
ApnInfoUsername=
ApnInfoPassword=
ApnInfoAccessPoint=
ApnInfoAuthentication=1
ApnInfoCompression=0
DeviceComplianceEnabled=0
DeviceComplianceSsoEnabled=0
DeviceComplianceSsoEku=
DeviceComplianceSsoIssuer=
WebAuthEnabled=0
WebAuthClientId=
FlagsSet=0
Options=0
DisableDefaultDnsSuffixes=0
NumTrustedNetworks=0
NumDnsSearchSuffixes=0
PowershellCreatedProfile=0
ProxyFlags=0
ProxySettingsModified=0
ProvisioningAuthority=
AuthTypeOTP=0
GREKeyDefined=0
NumPerAppTrafficFilters=0
AlwaysOnCapable=0
DeviceTunnel=0
PrivateNetwork=0

NETCOMPONENTS=
ms_msclient=1
ms_server=1

MEDIA=rastapi
Port=VPN3-0
Device=WAN Miniport (L2TP)

DEVICE=vpn
PhoneNumber=ipsec.sdufe.edu.cn
AreaCode=
CountryCode=0
CountryID=0
UseDialingRules=0
Comment=
FriendlyName=
LastSelectedPhone=0
PromoteAlternates=0
TryNextAlternateOnFail=1

一、作业要求(数据文件homework.dta)

  • 画出ln_wage和tenure的散点图以及拟合曲线。
  • 以ln_wage为被解释变量,以age、race、msp、grade、south、union为解释变量,做描述性统计分析,给出变量之间的相关性水平,做普通最小二乘回归(报告估计系数、t统计值、F值、R2、观测值个数),以上结果以表格形式输出。
  • 以ln_wage为被解释变量,以age、msp、south、union为解释变量,做个体固定效应回归(在idcode层面做聚类稳健标准误),以表格形式输出回归结果,报告组间R2。
  • 以ln_wage为被解释变量,以age、msp、south、union为解释变量,做个体随机效应回归,以表格形式输出回归结果,报告组内R2。
  • 利用hausman检验判断应该是个体固定效应回归还是个体随机效应回归,报告hausman统计值。
  • 数据文件下载地址

二、代码文件如下(如有错误,请指正)

*切换路径*
clear
cd "F:\数学建模\计量经济学\homework" //数据文件所在目录
set more off
use homework.dta //使用homework.dta
*1.1绘制ln_wage和tenure散点图*
scatter ln_wage tenure
*1.2绘制ln_wage和tenure拟合优度*
twoway (lfit ln_wage tenure)
*补充:ln_wage和tenure散点图和拟合优度复合*
twoway (scatter ln_wage tenure ) (lfit ln_wage tenure)
*2.1.1给出一般描述性统计结果*
su ln_wage age race msp grade south union,de
*2.1.2给出详细描述性统计结果*
tabstat ln_wage age race msp grade south union, stat( mean sd p5 p25 med p75 p95 min max )
*2.2给出变量之间的相关性水平*
pwcorr   ln_wage age race msp grade south union,star(0.05)
*2.3普通最小二乘回归*
reg ln_wage age race msp grade south union
*2.4使用outreg2命令输出结果*
est store Result
//保留R²,F统计量,样本回归系数(保留三位小数),T统计量(保留两位小数)
outreg2 [Result] using Result.xsl, replace tstat e(r2,F) bdec(3) tdec(2)
*3.1告诉stata该数据为面板数据(工资ln_wage和年份year)*
xtset idcode year
*3.2个体固定效应回归(在idcode层面做聚类稳健标准误)*
xtreg ln_wage age msp south union ,fe vce(cluster idcode)
*3.3输出结果,汇报组间R² *
est store Xtreg_Fe
outreg2 [Xtreg_Fe] using Xtreg_Fe.xsl, replace tstat e(r2_b) 
*4.1个体随机效应回归(在idcode层面做聚类稳健标准误)*
xtreg ln_wage age msp south union i.year,re vce(cluster idcode)
*4.2输出结果,汇报组内R² *
est store Xtreg_Re
outreg2 [Xtreg_Re] using Xtreg_Re.xsl, replace tstat e(r2_w) 
*利用hausman检验判断应该是个体固定效应回归还是个体随机效应回归*
//个体固定回归(不做聚类稳健标准误)
xtreg ln_wage age msp south union ,fe 
est store Xtreg_Fe_1
//个体随机回归(不做聚类稳健标准误)
xtreg ln_wage age msp south union i.year,re
est store Xtreg_Re_1
//计算hausman
hausman Xtreg_Fe_1 Xtreg_Re_1,constant sigmamore

三、数据结果的图文说明

切换路径*
clear
cd "F:\数学建模\计量经济学\homework" //数据文件所在目录
set more off
use homework.dta  //使用homework.dta 

1. 画出ln_wage和tenure的散点图以及拟合曲线。

1.1绘制ln_wage和tenure散点图*
scatter ln_wage tenure

img

1.2绘制ln_wage和tenure拟合优度*
twoway (lfit ln_wage tenure)

img

补充:ln_wage和tenure散点图和拟合优度复合*
twoway (scatter ln_wage tenure) (lfit ln_wage tenure)

img

2. 以ln_wage为被解释变量,以age、race、msp、grade、south、union为解释变量,做描述性统计分析,给出变量之间的相关性水平,做普通最小二乘回归(报告估计系数、t统计值、F值、R2、观测值个数),以上结果以表格形式输出。

2.1.1给出一般描述性统计结果*
su ln_wage **age race msp grade south union,**de
*2.1.2给出详细描述性统计结果*
tabstat ln_wage **age race msp grade south union,** stat**(** mean sd p5 p25 med p75 p95 min max **)

img

2.2给出变量之间的相关性水平*
pwcorr  ln_wage **age race msp grade south union,**star**(0.05)

img

2.3普通最小二乘回归*
reg ln_wage **age race msp grade south union**
*2.4使用outreg2命令输出结果*
est store **Result**
//保留R²,F统计量,样本回归系数(保留三位小数),T统计量(保留两位小数)
outreg2 **[Result] using** Result.xsl**, replace** tstat **e(r2,F) bdec(3) tdec(2)

回归结果如下:

img

结果报告:**
​                    **age   race  msp   grade  south  union  Constant**
**估计系数:[0.009]  [-0.051] [-0.016] [0.078] [-0.124]  [0.182]  [0.552]**
**T统计量:(-19.65)  (-8.03) (-2.60)  (-62.33) (-20.02) (-26.05) (-23.75)**
​    **F值:1145**                  **R2:0.263**                 **Obs:19213

3. 以ln_wage为被解释变量,以age、msp、south、union为解释变量,做个体固定效应回归(在idcode层面做聚类稳健标准误),以表格形式输出回归结果,报告组间R2。

*3.1告诉stata该数据为面板数据(工资ln_wage和年份year)*
xtset idcode year
*3.2个体固定效应回归(在idcode层面做聚类稳健标准误)*
xtreg ln_wage age msp south union ,fe vce(cluster idcode)

img

*3.3输出结果,汇报组间R² *
est store Xtreg_Fe
outreg2 [Xtreg_Fe] using Xtreg_Fe.xsl, replace tstat e(r2_b)

结果如下:

img

结果报告:组间R2的值为 0.0711

4. 以ln_wage为被解释变量,以age、msp、south、union为解释变量,做个体随机效应回归,以表格形式输出回归结果,报告组内R2。

***4.1****个体随机效应回归(在****idcode****层面做聚类稳健标准误)*******
xtreg ln_wage age msp south union i.year**,**re **vce(**cluster **idcode)

img

***4.2****输出结果,汇报组内****R² \***
est **store** Xtreg_Re
outreg2 **[**Xtreg_Re**] using** Xtreg_Re.xsl**,** replace **tstat e(r2_w)

结果如下:

img

结果报告:组内R2的值为 0.101

5. 利用hausman检验判断应该是个体固定效应回归还是个体随机效应回归,报告hausman统计值

*****利用****hausman****检验判断应该是个体固定效应回归还是个体随机效应回归*******
**//****个体固定回归(不做聚类稳健标准误)**
xtreg **ln_wage age msp south union ,**fe 
est **store Xtreg_Fe_1

img

//****个体随机回归(不做聚类稳健标准误)**
xtreg ln_wage age msp south union **i.year,**re
est **store** Xtreg_Re_1

img

//****计算****hausman**
hausman Xtreg_Fe_1 Xtreg_Re_1**,constant** sigmamore

img

hausman结果报告: chi2值为107.18 ,同时 P统计量 = 0.000 < 0.05结果显著。**
​                  **拒绝原假设(H0:** **个体随机效应回归),采用(个体固定效应回归)

++++++++++++++++++++++++++ 计量经济学 Copyright By © 学金融的文科生 ++++++++++++++++++++++++++