《Stata软件在计量经济学中的应用.doc》由会员分享，可在线阅读，更多相关《Stata软件在计量经济学中的应用.doc（25页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、毕 业 论 文 中 文 摘 要Stata软件作为新的计量软件，被许多学者研究过。本文对Stata软件在计量经济学中的应用进行研究。文中，在第一部分介绍了计量经济学的发展，及Stata软件的基本概况。第二部分，运用一些实例，介绍了Stata软件在计量经济中的应用。首先，针对城镇居民消费性支出和可支配收入的例子，利用Stata软件进行计量经济建模、异方差检验及其修正。其次，运用中国工业总产值与全社会固定资产投资总额的例子，用Stata软件实现序列相关性的检验及修正。最后，运用轿车销量影响因素例子，运用Stata软件进行多重共线性的检验及修正。文中包含了软件的具体操作步骤，实现了Stata软件在计量
2、经济学中的基本应用。关键词 Stata软件 计量经济学 参数检验 应用 本 科 毕 业 论 文 第 22 页 共 25 页毕 业 论 文 外 文 摘 要Title Application of Stata software in econometrics AbstractAs a new measurement software, Stata software has been studied by many scholars. In this paper, in the first part, it introduces the development of econometrics and
3、 the basic situation of Stata software. The second part introduces the application of Stata software in econometrics by some examples. First of all, the econometric modeling, heteroscedasticity test and its correction were carried out using Stata software for the examples of urban residents consumpt
4、ion expenditure and disposable income. Secondly, using the example of Chinas total industrial output value and total social fixed asset investment, the sequence correlation is tested and corrected by Stata software. Finally, the multicollinearity test and correction are carried out using the Stata s
5、oftware with the example of influencing factors of car sales. This paper includes the specific operation steps of the software, and realizes the basic application of Stata software in econometrics.（空2行）Key Words Stata software Econometrics Parametric test Application1 引言1.1 计量经济学简介计量经济学，也称为经济计量学。计量经
6、济学是研究如何度量经济变量的科学，传统的经济学则是研究经济变量之间关系的科学。现在科学的特点，第一个是数学，从定性研究到定量描述，它承认事物的本质。其次，它涉及到欧洲的相互渗透，而计量经济学是传统经济学的数学化和某些科学的相互渗透的结果1。1926年，挪威经济学家Ragnar Frish首先发明了“计量经济学”这个词，模仿了“生物经济学”的概念。这意味着经济计量的诞生2。然后是R. Fish和J. Tinbergen在1930年和其他人建立了国际生态学会。1933年，他们出版了一本名为计量经济学的杂志3。 经济经济学诞生于西方国家，后来在我国得到了发展和应用。直到1950年，我国经济学家才逐渐
7、将现代数学方法应用于经济研究。“1979年3月，我国第一个“中国计量经济研究会”成立，奠定了计量经济的创造基础。1980年，世界著名的经济学家克莱恩受邀到中国教书”4。自那以后，许多高校开设了计量经济学课程。由此，中国经济进入了一个新的发展时期。随着市场经济的发展，预测理论变得越来越重要。例如，中国社会科学院在1991年出版的一本名为经济形势分析与预测蓝皮书的年度书，多次成功地应用了经济计量模型，并引起了国家领导人的高度关注。所以一个简便快捷的计量统计软件是很值得去学习的。1.2 Stata软件的研究背景2018年“第二届Stata中国用户大会暨计量经济方法及应用研讨会”(2018China
8、Stata UsersConference)是由北京友万信息科技有限公司(简称：友万科技)主办，顺德职业技术学院承办的聚焦Stata应用与技术落地的盛会。继2017年中国用户大会的圆满成功，2018年是一个全新的主题单元。会议核心内容围绕计量经济的方法及应用方法及应用方向展开学术交流，内容囊括了计算语言学、经济学、医药卫生、历史学、新闻学等等微观和宏观计量分析的热门应用领域。大会的主题是“Econometric Analysis Method and Application”秉承“开放协作、技术共享”的宗旨，面对面真诚聆听用户的声音。本次会议为期两天，全程设九大演讲主题，围绕大数据、高维回归与
9、Stata、Spatial autoregressive models using Stata、政策评估与因果推断：Stata应用概述、断点回归、回归分析集成输出解决方案、内含资本成本的计算、样本选择问题与处理、DSGF在Stata中的应用等主题内容，特别邀请StataCorp LLC软件工程总监、经济学专家亲临现场，与用户近距离交谈。Stata作为一个强大而灵活的开放式平台，得到了越来越多的中国用户的赞誉。包括经济、生物学、历史、法律、地理学、教育学、心理学等多种学科，使用者人数正在激增。为促进Stata在计量经济方法中的应用，特由Stata官方授权合作伙伴北京友万信息科技有限公司联合Sta
10、taCorp LLC共同发起2018年第二届Stata中国用户大会暨“计量经济方法及应用研讨会”。1.3 Stata软件的简介“Stata”是由“statistics”和“data”合成的一个新词，其读作“Stay-ta”。从这一点就可以看出Stata在1985年被发明出来的主要的功能主要就是统计分析和数据处理。经过三十多年的发展，Stata已经升级到15.0版本了。表 1 Stata发展历程Stata版本发布日期Stata版本发布日期1.01985年1月8.12003年7月1.11985年2月8.22003年10月1.21985年5月9.02005年4月1.31985年8月9.12005年9
11、月1.41986年5月9.22006年4月1.51987年2月10.02007年6月2.01988年6月10.12008年8月2.051989年4月11.02009年7月2.11990年8月11.12010年6月3.01992年3月11.22011年3月3.11993年8月12.02011年7月4.01995年1月13.02013年6月5.01996年9月13.12013年10月6.01999年1月14.02015年4月7.02000年12月15.02017年6月8.02003年1月Stata适合于数据处理，面板数据分析，时钟列分析，生存分析和测量数据分析，但其他功能也挺好。表 2 Stata
12、功能表Stata功能表数据处理和绘图Data managementGraphics统计分析和检验Basic statisticsNonparametric methodsExact statisticsANONA/MANOVA其他检验方法和函数回归分析Linear modelsGLMMLEGMMMultilevel mixed modelsPanel dataProbit/Logit/CountTime series多变量模型(多元统计)抽样和模拟分析Multivariate methodsCluster anglysisResampling and simulation调查分析和生存分析Su
13、rvey methodsSurvival analysisEpidemiologists编程Programming languageMataUser-written commandsStata为产生用户数据、数据管理和专门图标分析的广范围和集成统计软件4。是1985(正号1984年12月)购买的StataCorp主力商品。Stata已经被世界上许多商业和学术机构广泛使用。Stata已经连续30年升级为15.1版了。Stata拥有混合功能模型5。Stata绘制的平衡重复统计非常精致优美，Stata的统计函数是统计分析的传统方法之外又加了很厉害的一组，以收集在接下来20年里发展了的新方法6。具体说
14、，Stata具有以下统计分析能力：1)数值变量资料的一般分析。2)分类资料的一般分析。3)等级资料的一般分析。4)相关与分析回归。Stata的作图模块，主要提供如下八种基本的制作：条形图，柱状图，百分比图，原始星座图，散点图，散点图矩阵，星形图，分割图。在执行完某些统计分析命令后，还提供了一些系统矩阵，像估计系数的协方差矩阵、估计系数向量等7。虽然Stata是一个统计分析软件，但它也有很高的编程语言能力，允许用户自由显示他们的才能。Stata的很多内容都超过了SPSS甚至SAS !运算的速度至少是比SPSS高一个速度的。Stata模块的一部分执行与SAS模块相同的功能，速度快为1数量级!。St
15、ata的某些模块的功能甚至超过了SAS”8。1.4 Stata的学习背景及意义Stata数据处理功能很强大。在数据爆炸的时代，超强的数据处理功能是很被需要的，而Stata在这个方面是远远优于其他统计计量软件的。由于将数据导入内存后进行运算，其运行速度非常迅速，在多个文件的合并和追加，以及文字资料、时序资料，以及调查资料的处理方面，Stata总能以极其简单的命令完成分析。Stata绘制的图形十分精美。这也为回归分析提供了一种可视化的分析工具。自推出以来，Stata10增加了图形编辑、多字符训练、数学符号支持等功能。Stata允许我们绘制超过darth的肖像形式，包括word、latex和其他文本
16、制作的字体软件。即使使用鼠标单击方法，也可以自动生成一个序列代码来简化图表。以及优秀的编程平台。2 Stata软件在计量经济学中的应用在大数据时代，为了更加简便更加迅速的处理数据，为了推进其在计量经济方面的应用，我将采用几个简单的例子来说明Stata软件在计量经济方面的应用。2.1模型的选取我们选取2007年中国部分城市城镇居民每个家庭平均全年可支配收入与消费性支出的统计数据，对其建立模型进行分析。表 3 中国部分城市城镇居民每个家庭平均全年消费性支出的相关数据地区消费性支出(元)可支配收入(元)山西3941.874724.11河南3830.714766.26吉林4020.874810黑龙江3
17、824.444912.88甘肃4126.474916.25陕西4276.675124.24内蒙古3927.755129.05青海4185.735169.96辽宁4356.065357.79湖北4644.55524.54新疆4422.935644.86河北4348.475661.16湖南5218.796218.73山东50226489.97江苏5323.186800.23天津6121.048140.5浙江7020.229279.16广东8016.919761.57北京8493.4910349.69上海8868.1911718.01其中：-消费性支出，-可支配收入。2.1.1数据的录入(1)首先数
18、据录入窗口：点击Stata界面菜单栏上DataData EditorData Editor(Edit)，如图1图 1 查找数据编辑界面之后，弹出Data Editor(edit)窗口（如图2），在此窗口进行数据录入。图 2 数据编辑窗口(2)把Excel中的数据选中，只选中数据即可，然后复制(Ctrl+c)图 3 Excel数据切换到Stata刚才打开的窗口(Data Editor(edit)，粘贴(Ctrl+v)到第一个单元格，系统会自动将第一列命名为var1，第二列命名为var2，以此类推，如图所示。图 4 数据录入(3)更改变量名称：点击Var1所在的单元格，在右下角的Variables
19、小窗口Name行更改变量名称为Pay，图 5 更改变量名称在Label后面对变量做出解释“消费性支出”；图 6 添加变量解释然后单击Var2所在的单元格，同样在右下角的variables小窗口Name行更改变量名称为Income，图 7修改变量名在Label后面对变量做出解释“可支配收入”。图 8添加变量解释操作完之后就如下图所示图 9 更改后变量名称后数据操作界面(4)录入之后点击右上角关闭按钮，这就完成了数据的录入。2.1.2散点图在Stata软件的Command区域输入“graph twoway scatter pay income”，图 10 命令界面回车之后得到消费性支出()与可支配
20、收入()的散点图。图 11 pay-income散点图从图中可以看出，解释变量与被解释变量之间是线型关系，所以可设定模型为。2.1.3最小二乘估计点击Stata软件中菜单栏上Statistics Linear models and related Linear regression，图 12查找线性回归界面在弹出的Regress-Linear regression对话框中选择为因变量，即为回归模型中左边的变量。选择作为自变量，单击OK。图 13线性回归选择变量界面从而得到回归结果如图：图 14 最小二乘回归结果得出方程最小二乘估计表达式： (32.39) (1.71) ，所以显著不显著。用Ev
21、iews回归，得到的模型为：对比Stata软件的结果，我们发现除了取得的精度不一样，其他的都一样。2.2异方差性的检验与修正异方差性是相对于同方差而言的。所谓同方差，是为了让参数估计量有良好的统计性质。 2.2.1 图示检验法1)上文模型选取时所得到的pay-income散点图图 15散点图从散点图初步判断模型存在异方差。2) 的散点图a)首先要提取最小二乘估计所得的残差：在Command窗口输入“predict e，r”图 16 输入命令窗口回车之后，即可在Variables窗口看到出现残差e。图 17 变量显示单击 data editor(edit)就可查看生成的残差。图 18 查看数据中
22、的残差b)创建新的变量：在Data Editor(Edit)-Untitled窗口点击Data Create or change data Create new variable图 19 查找创建变量界面之后Stata软件会弹出 generate - Create a new variable 窗口图 20 创建变量界面在Variable name 一栏填入e2，在Specify a value or an expression 一栏填入e2变量的表达式：e2 (表示e的二次幂)。图 21 创建变量e2界面点击OK之后上一层窗口就出现了e2的数据了。图 22 包含e2数据的查看数据界面单击右上
23、角关闭数据窗口。c)绘制e2-income的散点图：在Command窗口输入graph twoway scatter e2 income 图 23 输入命令窗口回车，之后我们就得到e2-income的散点图图 24 散点图根据以上两个散点图初步推断模型存在递增型异方差。2.2.2 White检验在Command窗口输入“estat imtest， white” 25 输入命令语句界面回车后得到white检验的结果图 26 White检验结果， 认为模型存在异方差。2.2.3 G-Q检验：1)将数据排序，排序后去掉中间C=4个样本，前后各留8个，得到如下两个表：表 4 前八个样本地区消费性支出Y
24、可支配收入X山西3941.874724.11河南3830.714766.26吉林4020.874810黑龙江3824.444912.88甘肃4126.474916.25陕西4276.675124.24内蒙古3927.755129.05青海4185.735169.96表 5 后八个样本地区消费性支出Y可支配收入X湖南5218.796218.73山东50226489.97江苏5323.186800.23天津6121.048140.5浙江7020.229279.16广东8016.919761.57北京8493.4910349.69上海8868.1911718.012)将数据分别复制粘贴到Stata软
25、件当中，并对他们分别命名为，。3)对这两组数据分别进行最小二乘估计：图 27 选择第一组变量图 28 选择第二组变量得到他们的回归结果分别为:图 29 y1与x1最小二乘结果回归结果为： (0.83) (1.78)图 30 y2与x2最小二乘结果回归结果为： (0.40) (12.63)故存在递增型异方差。2.2.4 加权最小二乘法(WLS)在菜单栏中选择Statistics Linear models and related Linear regression，打开regress-Linear regression 对话框，照常填写自变量和因变量。 31 查找Linear regressio
26、n界面图 32 选择自变量与因变量界面之后选择选项标签Weight。图 33 选择Weight选项标签选择Analytic weights选项，为了消除异方差，在出现的Analytic weight 选项条中输入1/e2。 图 34 输入权重界面点击OK你将会得到加权回归的结果：图 35加权最小二乘回归结果即得回归结果为 (3.55) (32.50)可以看到趋近于1，说明模型拟合的好，并且可以看到解释变量的值有明显提升，并且显著。2.3序列相关性的检验与修正在时间序列数据中主要看到序列相关。GDP、就业、物价等经济数据会根据经济体系的周期而变化。计量经济学模型一旦出现序列相关性，假如仍然使用普
27、通最小二乘法估计模型参数，会导致很多的不良后果9。序列相关性的检验有许多种，下面我将用例子来说明Stata软件在序列相关性的应用。 我们选取中国19802007年全社会固定资产投资总额与工业总产值的统计资料，对其进行拟合，数据如下表所示。表 6工业总产值Y相关数据年份全社会固定资产投资X工业总产值Y年份全社会固定资产投资X工业总产值Y1980910.91996.5199417042.119480.719819612048.4199520019.324950.619821230.42162.3199622913.529447.619831430.12375.6199724941.132921.4
28、19841832.92789.0199828406.234018.419852543.23448.7199929854.735861.519863120.63967.0200032917.740033.619873791.74585.8200137213.543580.619884753.85777.2200243499.947431.319894410.46484.0200355566.654945.5199045176858.0200470477.465210.019915594.58087.1200588773.677230.819928080.110284.52006109998.29
29、1310.9199313072.314188.02007137323.9107367.22.3.1模型的选取(1)年度数据的录入a)将时间及数据一同复制粘贴到Stata当中，b)定义时间序列：先把时间变量更名为date，图 36 更改时间变量名称再设定时间序列：在Command窗口输入“tsset date”图 37 命令框输入语句(2)散点图a)绘制散点图y-x(在Command窗口输入“graph twoway scatter y x”)图 38 y-x散点图从散点图中看到与不完全是线型关系。b)再画出的散点图：首先要对变量取对数：在Stata的Date Editor(Edit)-Unti
30、tled窗口中点击DataCreate or change dataCreate new variable。图 39 查找创建新变量界面在弹出的generate-Create a new variable窗口创建新变量。图 40 创建变量ly界面同样的步骤再对取一次对数图 41 创建变量lx画出的散点图：在Command窗口输入“graph twoway scatter ly lx”图 42 命令窗口输入命令界面回车，我们就可以得到的散点图图 43 散点图从图中可以看出与成线性关系。(3)回归结果a)线性模型图 44线性模型的最小二乘回归回归模型为：b)双对数模型在Command窗口输入 re
31、gress ly lx回车即可得到双对数的回归图 45 双对数模型的最小二乘估计回归结果为：线性模型中双对数模型中显然双对数模型更接近1，所以双对数模型拟合得更好，因此选择用双对数模型。2.3.2 图示法(1)e-t折线图a)读取残差:在Command命令框输入“predict e，r”回车即可在数据库里查到残差值。b)然后在Command命令框输入“tsline e，lpattern(solid dash)”，图 46回车，即可得到残差和时间的折线图。图 47 e-t折线图(2)散点图a)求得均值：在Command命令窗口输入“summarize e”命令图 48 命令框输入命令回车之后可以
32、看到图中有的平均值图 49 e的平均值b)画出散点图在Command命令窗口输入“scatter eL.e，xline(r(mean)yline(r(mean)”命令图 50 命令框输入命令回车之后得到残差及滞后一期的残差的散点图图 51 e-L.e散点图Scatter命令之前的summarize命令是非常必要的，因为只有算出e的平均值才能够画出图中所显示的线。为了得到平均值，它的宏名字人r(mean)必须用单引号表示，比如r(mean)。左单引号一般位于键盘的左上角，右单引号大多数键盘位于双引号键下。我们从残差项与时间以及与的关系图看出，随机项呈现正序列相关性。2.3.3 D.W.检验a)在
33、Command命令窗口输入“generate id=_n”命令，回车图 52 命令框输入命令b)然后再在Command窗口输入“tsset id”命令图 53 输入命令界面回车，我们得到图 54 输入命令之后的结果c)在Command窗口输入“dwstat”命令图 55 命令窗口回车，得到D.W.值图 56 D.W.值得到D.W.值，n=28，查表得，DW数介与之间，所以是正相关。2.3.4拉格朗日乘数检验“拉格朗日乘数检验克服了D.W.检验的缺点，适用于存在高阶序列相关的情况。它也是布劳殊(Breusch)与戈弗雷(Godfrey)在1978年提出的，也称为GB检验”10。(1)一阶检验让做
34、因变量，做自变量之一，同时包含放入初始回归模型的自变量，做普通最小二乘估计。在Command框输入命令“regress e lx L.e”图 57 输入命令窗口敲回车图 58 e与lx及L.e回归结果从图中可得，的故存在序列相关。(2)二阶检验让做因变量，做自变量做普通最小二乘估计。在Command框中输入命令regress e lx L.e L2.e，图 59 输入命令窗口回车之后得到图 60 e与lx、L.e、L2.e的回归结果 的故存在序列相关。(3)三阶检验让做因变量，做自变量做普通最小二乘估计。在Command框输入命令“regress e lx L.e L2.e L3.e”图 61
35、 输入命令窗口回车之后得到图 62 e与lx、L.e、L2.e、L3.e的回归结果从图中数据易得出，的故存在二阶序列相关。2.3.5 序列相关性修正在Command命令窗口输入命令“arima ly lx，ar(1/2)”图 63 命令界面回车，之后得到结果图 64 修正结果在Command命令窗口输入命令“dwstat”图 65 命令界面回车，我们在页面就可以看到DW值，图 66 D.W.值2.4多重共线性多重共线性的检验方法最常用的是逐步回归，而且逐步回归法既是检验又是修正。下面我将用过例子将多重共线性的检验与修正在Stata软件中实现。为了解新轿车销量的影响因素，我根据理论及经验分析，影
36、响新轿车的销量()的主要因素有：城市居民消费者价格指数()、个人可支配收入()、利率%()、城市就业劳动力()，其中城市居民消费者价格指数和利率的符号应该是负，其余均为正。表列出了美国1971-1986年新轿车的销量(年度数据)的相关数据。表 7 1971-1986年新轿车的销量相关数据年份YX1X2X3X4197110227121.3776.84.8979367197210872125.3839.64.5582153197311350133.1949.87.388506419748775147.71038.48.618679419758539161.21142.86.168584619769
37、994170.51252.65.2288752197711046181.51379.35.5092017197811164195.41551.27.7896048197910559217.41729.310.259882419808979246.81918.011.289930319818535272.42127.613.7310039719827980289.12261.411.209952619839179298.42428.18.69100834198410394311.12670.69.65105005198511039322.22841.17.75107150198611450328
38、.43022.16.31109597其中：新轿车的销量(千辆)；城市居民消费价格指数，1967年=100；(-)个人可支配收入(10亿美元)；(+)利率(%)，金融公司直接支付的票据利率；(-)城市就业劳动力 (千人)。(+)2.4.1模型的选取设粮食生产函数为，普通最小二乘估计为图 67 线性模型的普通最小二乘估计得到模型为：设模型为，普通最小二乘估计为图 68 双对数模型的最小二乘估计得到的模型为对比线性模型的，双对数模型的更大一点，也就是双对数模型拟合更优一点，所以采用双对数模型。双对数模型中F值显著且解释能力较强，但是，系数不显著，所以认为存在多重共线性。2.4.2逐步回归法(既是检验
39、又是修正)。(1)解释变量分别与被解释变量做回归。与做回归有图 69 ly与lx1最小二乘估计回归结果为，值不显著所以舍去。与做回归有图 70 ly与lx2最小二乘估计回归结果为，值不显著所以舍去。与做回归有图 71 ly与lx3最小二乘估计回归结果为，值显著，。与做回归有图 72 ly与lx最小二乘估计回归结果为：由于t值不显著所以舍去，比较可知，的最大并且显著，所以留下。(2)再分别引入其他变量图 73 ly与lx3、 lx1最小二乘估计回归结果为：，的值不显著所以舍去。图 74 ly与lx3、 lx2最小二乘估计回归结果为：，的值不显著，所以舍去。图 75 ly与lx3、 lx4最小二乘
40、估计回归结果为：，的值显著，所以留下。(3)继续引入其他变量图 76 ly与lx3、 lx4、lx1最小二乘估计回归结果为：其中解释变量的值均显著，并且。图 77 ly与lx3、 lx4、lx2最小二乘估计回归结果为：其中解释变量的值均显著，并且。由于解释变量的值均显著，所以比较，的比较大，所以舍去留下。(4)继续引入其他解释变量图 78ly与lx3、 lx4、lx1、lx2最小二乘估计回归结果为：可以看出只有是显著的，所以说明是多余的，故得到最优拟合为：。3、总结在这篇文章中，我们讨论了计量经济方法在Stata软件当中的实现，在分析一个案例之前，通常我们会先建立理论模型，计量经济学中也是如此
41、。本文中，只要分为三大板块：第一大板块主要介绍了Stata软件的学习背景及意义，软件发展历程及功能的一个介绍，以及介绍了2018年在顺德职业技术学院召开的“第二届Stata中国用户大会暨计量经济方法及应用研讨会”。在本部分，我花了大部分篇幅用来介绍Stata的基本功能，这是对它最基本的一个介绍，使我们对Stata软件做一个简单的了解。第二大板块，我主要采用例子来介绍Stata软件在计量经济学中的应用。文中，我详细的介绍了计量经济学中的方法在Stata软件当中是如何实现的，比如最小二乘估计，时间序列的定义，异方差性的检验：散点图、White检验、G-Q检验，异方差的修正：加权最小二乘估计，序列相
42、关的检验：图示法、D.W.、拉格朗日乘数检验法，多重共线性的检验及修正：逐步回归法。这些方法在计量经济学中很常用，所以我用不同的例子，对其进行说明和运用。第三大板块是我对本文整体结构的一个总结，在大数据时代，计量经济学的发展需要强大的处理数据的软件，Stata就充当了如此重要的功能，该软件有超强的数据处理功能，并且它绘图是非常精美的，编程功能也非常简便，使得它为计量经济学的发展提供了许多便利。结论本文中我们通过对Stata软件的发展历史，Stata的功能简介，以及Stata软件与其他统计计量软件相比的优势，让我们对Stata软件有了一个初步的认识，之后还提到了在大数据时代，Stata具有的强大
43、的处理数据的功能是不可或缺的。在之后的文章中我通过例子展现了Stata软件在计量经济学中具体的应用。三个例子部分，首先对其进行最小二乘估计，从而得出模型，然后对其运行了一系列的计量经济学的检验和修正，检验与修正大致包括图示法、怀特检验、加权最小二法、D.W.检验、拉格朗日乘数检验、科克伦-奥科特法、逐步回归法。这些检验与修正在文中采用了有不同特点的例子进行实现。而且我还学会了运用Stata软件，提升了我独立思考的能力，锻炼了我搜集资料的能力，并且对任何事情都要认真对待，才能收获该收获的。参考文献1 邓淇中简述现代计量经济学及其研究的内容和方法D湘潭师范学院学报(社会科学版)，20052 胡咏梅计量经济学基础与STATA应用北京：北京师范大学出版社，20103 Robert S. Pindyck，Daniel LRubinfeldEconometric Models and EconomicsForecastsNew York： McGraw-Hill，19984 雷鸣计量经济学的产生和发展D理论与现代化，19985 逄居升众包质量控制策略及评估算法研究D哈尔滨工程大学，20136 张冉ERAP1，TRAF3IP2，TNFA