【乾貨推薦】計量經濟學常見問題匯總（持續更新）

來源| 本文由計量經濟學服務中心原創推薦

轉載請聯繫授權

中心多位編輯根據實證分析經驗，為大家整理出如下常見問題，希望對大家論文寫作能有幫助。

【原創】計量經濟學常見問題匯總（持續更新）

上期小編為大家匯總了在什麼情況下，應將變數取對數再進行回歸？什麼叫做偽回歸R平方很小怎麼辦？面板數據需要進行平穩性的檢驗嗎？有些發表出來的文章好象沒做平穩性檢驗。在設計調查問卷時，怎麼判斷一項調查的設計是否合理，不存在硬傷呢？等七個問題，本期小編繼續為大家推薦stata中報表輸出命令、交互項、平穩性、協整、格蘭傑、VAR等熱點問題，歡迎閱讀。

8、stata中有哪些報表輸出的命令？

如何將stata輸出結果與報表word或者excel結合呢？stata結果輸出主要外部命令包括outreg2、estoout、tabout、logout、est2tex、mktab、xml_tab、esttab等，之前為大家推薦過最重要最實用的outreg2、estoout、tabout、logout、esttab等命令。

由於這些命令均為第三方命令，因此需要下載安裝，建議閱讀之前推文，一般下載安裝外部命令，可以選擇，ssc install +命令名，或者findit +命令名，下載安裝完畢，直接help 命令，就可以查看命令相關內容了。

9、對學習計量經濟學有哪些好的方法呢？

計量經濟學統計軟體只是一門工具，要將理論與操作將結合起來學習，相信會事半功倍。而學習計量經濟學，尤其是stata，不管是零散的學習，還是系統學習，都要堅持循序漸進。

由於stata中有很多編程命令，建議多操作，逐步在實踐中學習、體會與領悟，這樣才能學以致用。另外，stata中有很多知識點，要多交流，不恥下問，這樣對於有時候困惑你很久的問題，可能一會兒就迎刃而解了。

計量經濟學學習方面有很多優秀書籍，建議選取一本適合自己的，先從基礎的學起，這樣才有能力學習後面的知識，並且對於自己的基礎以及知識系統掌握也是有一定幫助的。

10、如何解釋交互項？

在數學上解釋變數與控制變數可以是一回事，但是如果控制變數是調節變數，回歸方程在理論上的解釋就不一樣了，解釋變數是解釋與被解釋變數的因果關係，調節變數則是確定因果關係的邊界條件。

對於調節變數而言，其目的是強調它的出現對一個或幾個解釋變數在某一問題中影響，因而，需要將調節變數與所要調節的解釋變數相乘，將其乘積作為一個回歸變數。例如，在單因素方差分析中，有如下命令，anova wage edu married children married*children 來看二者對工資是否有影響，這類交叉項也進場在回歸分析中遇見，包括但不限於常見的回歸，在引力模型中也經常遇見。

在模型中引入交互項，通常這兩個變數，從經濟理論和經濟現象上二者之間本身就存在相互影響，X1是X2對於因變數產生影響的必備條件，就是說X2要想對因變數產生影響，必須是在X1起作用的情況下進行。

另外，對於交互項的理解，主要可從邊際效應（偏導數）來看。如果X與Y的係數為正，則X對Y的邊際效應將上升；反之，如果係數為負，則X對Y的邊際效應將下降。

什麼時候需要交互項呢？

一般情況下，若是變數X1對被解釋變數可能受到X2影響的時候，這時候可以考慮用交互項來進行回歸。

有關交互項需要注意：

應該包含所有項目，例如交互項X1X2，則回歸方程中應該包含所有變數，X1和X2，除非有經濟理論可以不包括在內。若是交互項三個，例如X1*X2*X3，則變數回歸中，還應該包含X1，X2，X3和這三個變數兩兩交互項。

11、如何確定論文方法和數據？

有時候千辛萬苦想用一個方法來研究某個課題，這時候建議根據前期中心給出的建議，一般情況下，需要結合研究發方法+軟體+數據來考量，有時候你想用的面板數據，若是由於數據缺失等原因，可能就徒勞無功，所以一般情況下，建立同時考量方法，然後在數據可得性以及合理性的基礎上，對數據進行一定的預處理，然後在進行數據分析，這時候，可能效果會更好了。

12、stata中如何報告自己的統計量？

一般情況下，期刊論文回歸分析都需要報告各個變數的t統計量以及回歸係數，而且會在方程下面註明顯著性水平值，另外還會註明每一個回歸方程的可決係數以及F值等，這個需要根據具體期刊版面要求了，前期中心推文過如何將stata輸出結果與word結合，另外由中心編寫的520+行do文檔命令，直接將描述性分析以及相關分析、回歸分析、面板數據結果輸出等各種問題整理了，有興趣的可以參加十一北京培訓會議，這些命令前期公眾號推文過很多次，供大家免費閱讀，有什麼問題，可以直接留言提問或者加入我們的群。

13、如何理解格蘭傑因果檢驗？

格蘭傑因果檢驗是檢驗統計上的時間先後順序，並不表示而這真正存在因果關係，是否呈因果關係需要根據理論、經驗和模型來判定。

關於格蘭傑因果檢驗若X都不是Y的格蘭傑原因，這並不是說X與Y之間毫無關係。格蘭傑因果檢驗本身也不是真實意義上檢驗變數的因果關係，而只是檢驗變數在統計上的時間先後順序。

格蘭傑檢驗只能用於平穩序列！這是格蘭傑檢驗的前提，而其因果關係並非我們通常理解的因與果的關係，而是說x的前期變化能有效地解釋y的變化，所以稱其為「格蘭傑原因」。

14、平穩性檢驗與協整檢驗？

單位根檢驗是序列的平穩性檢驗，如果不檢驗序列的平穩性直接OLS容易導致偽回歸。

當檢驗的數據是平穩的（即不存在單位根），即意思是單位根檢驗的原假設是存在單位根，存在單位根，則不平穩，等價關係！ 要想進一步考察變數的因果聯繫，可以採用格蘭傑因果檢驗。

平穩性檢驗有3個作用：1）檢驗平穩性，若平穩，做格蘭傑檢驗，非平穩，作協正檢驗。2）協整檢驗中要用到每個序列的單整階數。

當檢驗的數據是非平穩（即存在單位根），並且各個序列是同階單整（協整檢驗的前提），想進一步確定變數之間是否存在協整關係，可以進行協整檢驗，協整檢驗主要有EG兩步法和JJ檢驗 （1）、EG兩步法是基於回歸殘差的檢驗，可以通過建立OLS模型檢驗其殘差平穩性 （2）、JJ檢驗是基於回歸係數的檢驗。

單位根檢驗方法步驟

在eviews中，ADF檢驗的方法：1 view---unit roottest，出現對話框，默認的選項為變數的原階序列檢驗平穩性，確認後，若ADF檢驗的P值小於0.5，拒絕原假設，說明序列是平穩的，若P值大於0.5，接受原假設，說明序列是非平穩的；2重複剛才的步驟，view---unit root test，出現對話框，選擇1stdifference,即對變數的一階差分序列做平穩性檢驗，和第一步中的檢驗標準相同，若P值小於0.5，說明是一階平穩，若P值大於0.5，則繼續進行二階差分序列的平穩性檢驗。

雖然定義經過d階差分後是平穩的，但是軟體只提供到2階差分，若是原始數據沒有經過差分就平穩，則說明那是零階單整，記為I（0）的過程。

在stata中，單位根檢驗命令為：dfuller lnagdp，建議help dfuller等。

先做單位根檢驗，看變數序列是否平穩序列，若平穩，可構造回歸模型等經典計量經濟學模型；若非平穩，進行差分，當進行到第d次差分時序列平穩，則服從i階單整（注意趨勢、截距不同情況選擇，根據P值和原假設判定）。若所有檢驗序列均服從同階單整，可構造VAR模型，做協整檢驗（注意滯後期的選擇），判斷模型內部變數間是否存在協整關係，即是否存在長期均衡關係。如果有，則可以構造VEC模型或者進行Granger因果檢驗，檢驗變數之間「誰引起誰變化」，即因果關係。

關於截距、趨勢選擇問題，請大家看圖，view，graph，若是有時間趨勢，則選擇截距和趨勢；若是圍繞0波動，則選擇具有截距；若是沒有上述情況，選擇none。

單位根檢驗是檢驗數據的平穩性，或是說單整階數。

協整是說兩個或多個變數之間具有長期的穩定關係。但變數間協整的必要條件是它們之間是同階單整，也就是說在進行協整檢驗之前必須進行單位根檢驗。

協整說的是變數之間存在長期的穩定關係，這只是從數量上得到的結論，但不能確定誰是因，誰是果。而因果關係檢驗解決的就是這個問題。

單位根檢驗是檢驗時間序列是否平穩，協整是在時間序列平穩性的基礎上做長期趨勢的分析，而格蘭傑檢驗一般是在建立誤差修正模型後，所建立的短期的因果關係。故順序自然是先做單位根檢驗，再過協整檢驗，最後是格蘭傑因果檢驗。

單位根檢驗是對時間序列平穩性的檢驗，只有平穩的時間序列，才能進行計量分析，否則會出現偽回歸現象；協整是考察兩個或者多個變數之間的長期平穩關係；格蘭傑因果檢驗是考察變數之間的因果關係，協整說明長期穩定關係不一定是因果關係，所以需要在通過格蘭傑因果檢驗確定兩者的因果關係。順序一般是單位根檢驗，通過後如果同階單整，在進行協整，然後在進行因果檢驗。要特別注意的是：只有同階單整才能進行協整。

15、VAR模型

VAR建模時lag intervals for endogenous要填滯後期，但是此時你並不能判斷哪個滯後時最優的，因此要試，選擇不同的滯後期，至AIC或SC最小時，所對應著的滯後為最優滯後，此時做出來的VAR模型才較為可靠。