连享会 · 推文导航 |
连享会课程 ·
丁 晨：厦门大学,
王文泽：中山大学，
温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：
目录
3. 实例说明
4. 小结
5. Stata 实操范例
6. 相关推文
1. 应用背景
用户使用 Stata 估计后，往往需要将标量，向量，矩阵或文本信息附加到估计结果中。
本文介绍的 命令，就是起到这个作用。此命令扩展了 Stata 的 命令及一些估计检验命令的特性，它使用存储在 中的估计结果，允许用户附加一些数据项到估计结果中。
估计命令的结果集都存储在内存中，用户可以输入 list 读取数据集chi2，并运用到后面的计算中。比如，用户输入 e(N) 可以获取最新估计结果中的样本数。
此外，Stata 内置或用户提供的很多估计检验命令都需要借助 做进一步分析。比如，Stata 中功能强大的 和 命令，及非常通用的 table 命令。包括 、 在内的很多程序，都是将多个模型的估计结果，用一种相似的 table 进行展示。
命令致力于解决这么一种情境，用户希望用一个估计检验命令展示或处理原始估计模型的一些特性，但目前这些特性并不在存储结果中。在执行回归语句后，用户可通过 命令将一些选项添加到已有存储项中，进一步丰富 中的存储内容。在此基础上，通过 等命令，方便快速的输出新增选项。
后面将从用法和实例说明两方面，介绍此命令的使用。
2. 用法介绍
本小节分别介绍 命令的基本语法和选项。
2.1 命令安装
*findit addest
net install addest, replace
2.1 基本语法
命令的基本语法如下：
addest [ , name(charstring) value(numeric value) bvector(vector name)
vcematrix(matrix name) rename augbvector(number)
augvcematrix(number) augcoefname(string) augeqname(string)
textname(string) textstring(string) matname(ematrix_name)
matrix(existing_matrix) findomitted buildfvinfo post repost *
]
其中， 为命令主体，不可省略； 为在基础命令上添加的选项，包含5组，每组各有2-3 个选项，同组选项必须搭配使用。下面是它们的详细介绍。
3. 实例说明
下面本文基于数据集 .dta 来简要说明 命令的使用。以 wage (妇女的小时工资) 作为被解释变量、以 (是否大学毕业)、 race (种族类别) 及它们的交乘项作为解释变量建立线性回归模型。使用 因子变量 的语法格式，在变量前面加上前缀 i. 生成虚拟变量 i.race ，基准组为第一个类别 white。 本身是虚拟变量，1 代表大学毕业，0 代表大学未毕业。
3.1 基础数据分析
sysuse nlsw88.dta
* 描述性统计
tabulate race collgrad,summarize(wage) mean st o
table race collgrad,c(count wage mean wage sd wage)
* 相关系数矩阵
pwcorr wage race collgrad,sig star(.01)
return list
mat pwcmat = r(C)
3.2 将线性回归后的各检验结果加入 中
线性回归，并进行系数显著性检验、异方差、共线性检验，使用 , name()) value( value) 命令，将检验结果加入 。
* 线性回归
reg wage i.race##collgrad
ereturn list
* 检验变量系数的显著性；将检验结果存入结果集中
local varlist
test 2.race 3.race 1.race 1.collgrad
addest,name(F_of_test) value(50.21)
addest,name(p_of_test) value(0.000)
* 异方差检验：使用怀特检验；将检验结果存入结果集中
estat imtest,white //p值为0.0106，存在异方差
addest ,name("wtest_p") value(0.0106)
* 多重共线性检验：VIF0.1 说明没有多重共线性
estat vif
addest,name("VIF") value(1.42)
如下所示， list 结果集中，新增了几个标量，存储各检验结果
. ereturn list
scalars:
e(VIF) = 1.42
e(wtest_p) = .0106
e(p_of_test) = 0
e(F_of_test) = 50.21
3.3 替换估计结果集中的相关系数及方差-协方差矩阵
注意：使用,( value) ( value) 命令仅替换 中的 e(b) e(V) 两矩阵，不改变其它值。并且替换矩阵会被同步删除。该选项实用性不强，小编没有想到有哪个场景，需要使用该选项。
* 线性回归，并保存估计结果为e1
reg wage i.race##collgrad
est store e1
mat eb1 = e(b)
mat ev1 = e(V)
* 使用稳健的标准差对数据进行回归分析,并保存估计结果为e2
reg wage i.race##collgrad,robust
est store e2
mat eb2 = e(b)
mat ev2 = e(V)
* 用e2中的e(b) e(V) 替换e1的e(b) e(V)
est restore e1
addest,b(eb2) vce(ev2) rename //该命令会同时删除eb2 ev2矩阵
mat list e(b)
mat list e(V)
e1 中的 e(b) e(V) 已发生改变, 详细结果，可运行上述代码查看。
3.4 扩展结果集中的 b、v 矩阵
使用 , () ()()[()]扩展结果集中的 b、v 矩阵。
* 线性回归，并保存估计结果为e1
reg wage i.race#collgrad
est store e1
* 增加自变量进行线性回归，并保存估计结果为e2
reg wage i.race#collgrad 2.race 1.collgrad
est store e2
* 扩展e1的e(b) e(V)矩阵值
est restore e1
addest,augb(-1.437)augvce(0.0881) augcoefname("2.race")
addest,augb(3.013)augvce(0.0956) augcoefname("collgrad")
使用以下命令，查看结果，e1 中的 e(b) e(V) 各新增了一行
est table //或者使用 matrix list e(b) 看系数
ereturn list //看估计的结果集列表
matrix list e(V) //可以检验方差-协方差矩阵
3.5 增加 中的暂元
使用,() () 增加 中的暂元
reg wage i.race#collgrad
addest,textname("baserace") textstring("1-white")
ereturn list
如下图所示， 中新增了暂元
. ereturn list
scalars:
e(N) = 2246
e(df_m) = 5
e(df_r) = 2240
e(F) = 40.22007771936102
e(r2) = .0823810399343723
e(rmse) = 5.519505061068133
e(mss) = 6126.510492139263
e(rss) = 68241.45690691109
e(r2_a) = .0803327833270829
e(ll) = -7020.747213722369
e(ll_0) = -7117.294949670645
e(rank) = 6
macros:
e(baserace) : "1-white"
4. 小结
命令主要作用是在估计结果 中增加标量、矩阵、暂元等功能（ eret2 命令同样可以实现，代码精简，使用方便）， 方便用户可以将估计和检验结果存储在同一个结果集中，但有些选项，如替换相关系数 、扩展 b、v 矩阵，小编认为实用性不强。读者可以根据自身需求，使用此命令。
5. Stata 实操范例
在本部分，我们以「.dta」数据为例，来演示说明 命令的用法。具体来看，我们进行了两组回归：第一组是根据种族类别进行分组回归chi2，以检验工作经历是否在两组中存在显著差别，并将系数差异检验结果添加到最后回归报告中；第二组是在第一组回归基础上，增加行业固定效应，并在报告中 “ = Yes” 的形式汇报。
具体 Stata 代码和结果如下：
sysuse nlsw88.dta, clear
global xx "ttl_exp married south hours tenure age"
*分组差异检验
reg wage $xx if race==1
est store m1
reg wage $xx if race==2
est store m2
suest m1 m2
test [m1_mean]ttl_exp = [m2_mean]ttl_exp //系数差异检验
local chi2 = `r(chi2)'
local chi2_p = `r(p)'
reg wage $xx if race==1
addest, name("chi2") value(`chi2') //将系数差异检验结果添加到回归结果中
addest, name("chi2_p") value(`chi2_p')
est store m3
reg wage $xx if race==2
addest, name("chi2") value(`chi2')
addest, name("chi2_p") value(`chi2_p')
est store m4
*控制行业固定效应
reg wage $xx i.industry if race==1
addest, textn("Industry") texts("Yes") //textname，简称 textn；textstring，简称 texts
est store m5
reg wage $xx i.industry if race==2
addest, textn("Industry") texts("Yes")
est store m6
. esttab m3 m4 m5 m6, b(%6.3f) nogap compress ///
star(* 0.1 ** 0.05 *** 0.01) drop(*.industry) ///
ar2 scalar(N Industry chi2 chi2_p)
--------------------------------------------------------------
(1) (2) (3) (4)
wage wage wage wage
--------------------------------------------------------------
ttl_exp 0.291*** 0.288*** 0.251*** 0.271***
(7.62) (5.18) (6.49) (4.82)
married -0.641** 0.176 -0.737** 0.082
(-2.03) (0.44) (-2.31) (0.21)
south -0.893*** -2.307*** -0.814*** -2.038***
(-2.97) (-5.58) (-2.72) (-4.92)
hours 0.056*** 0.045* 0.051*** 0.036
(4.25) (1.72) (3.81) (1.35)
tenure 0.031 0.037 0.025 -0.003
(0.98) (0.87) (0.76) (-0.08)
age -0.084* -0.254*** -0.073 -0.216***
(-1.82) (-3.64) (-1.58) (-3.12)
_cons 6.284*** 12.478*** 5.576** 9.490**
(3.27) (4.34) (2.22) (2.53)
--------------------------------------------------------------
N 1625 576 1615 572
adj. R-sq 0.091 0.134 0.112 0.166
Industry Yes Yes
chi2 0.002 0.002
chi2_p 0.961 0.961
--------------------------------------------------------------
t statistics in parentheses
* p<0.1, ** p<0.05, *** p<0.01
6. 相关推文
Note：产生如下推文列表的命令为：
行业虚拟变量 suest 暂元 四表 结果输出
安装最新版 命令：
ssc ,
专题：Stata程序
专题：结果输出
专题：面板数据
专题：内生性-因果推断
课程推荐：深度因果推断（2023年8月2-5日）
主讲老师：江艇
课程地点：西安·西北工业大学
课程主页：
New！ Stata 搜索神器： 和
搜： 推文、数据分享、期刊论文、重现代码 ……
安装：
. ssc
. ssc
使用：
. DID 倍分法
. all
关于我们