香烟价格上升则香烟需求量一般会下降 故价格的预期符号为负 收入增加对香烟需求量我觉得不确定 其符号为负为正都有可能 从FE（固定效应）估计模型来看 香烟价格和收入的增加都会降低香烟需求量 价格上涨需求量下降这个号理解 收入增加降低需求量可能是收入增加得同时提高了消费者的健康保护意识 所以倾向于降低吸烟的需求 F test that all u_i=0:     F(47, 478) =   182.27             Prob > F = 0.0000
高度显著  因此拒绝了POLS回归  RE估计结果和FE很接近 Hausman检验无法拒绝原假设 因此用RE估计比FE估计更有效 这些解答lz满意不？

. xtreg  packpc avgprs income,fe

Fixed-effects (within) regression               Number of obs      =       528
Group variable: stateid                         Number of groups   =        48

R-sq:  within  = 0.8405                         Obs per group: min =        11
       between = 0.1849                                        avg =      11.0
       overall = 0.3246                                        max =        11

                                                F(2,478)           =   1259.24
corr(u_i, Xb)  = 0.0303                         Prob > F           =    0.0000

------------------------------------------------------------------------------
      packpc |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      avgprs |  -.2956079   .0090834   -32.54   0.000    -.3134561   -.2777596
      income |  -4.87e-08   1.03e-08    -4.71   0.000    -6.90e-08   -2.84e-08
       _cons |   155.7055   1.000832   155.58   0.000     153.7389     157.672
-------------+----------------------------------------------------------------
     sigma_u |  18.702569
     sigma_e |  4.4923121
         rho |  .94545224   (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0:     F(47, 478) =   182.27             Prob > F = 0.0000

Random-effects GLS regression                   Number of obs      =       528
Group variable: stateid                         Number of groups   =        48

R-sq:  within  = 0.8404                         Obs per group: min =        11
       between = 0.1955                                        avg =      11.0
       overall = 0.3310                                        max =        11

Random effects u_i ~ Gaussian                   Wald chi2(2)       =   2507.09
corr(u_i, X)       = 0 (assumed)                Prob > chi2        =    0.0000

------------------------------------------------------------------------------
      packpc |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      avgprs |  -.2988638   .0087585   -34.12   0.000    -.3160302   -.2816975
      income |  -4.42e-08   9.47e-09    -4.66   0.000    -6.27e-08   -2.56e-08
       _cons |   155.7442   2.757327    56.48   0.000     150.3399    161.1484
-------------+----------------------------------------------------------------
     sigma_u |  17.709398
     sigma_e |  4.4923121
         rho |   .9395427   (fraction of variance due to u_i)
------------------------------------------------------------------------------

Note: the rank of the differenced variance matrix (1) does not equal the number of
        coefficients being tested (2); be sure this is what you expect, or there may be
        problems computing the test.  Examine the output of your estimators for anything
        unexpected and possibly consider scaling your variables so that the coefficients are
        on a similar scale.

                 ---- Coefficients ----
             |      (b)          (B)            (b-B)     sqrt(diag(V_b-V_B))
             |       fe           re         Difference          S.E.
-------------+----------------------------------------------------------------
      avgprs |   -.2956079    -.2988638         .003256        .0024074
      income |   -4.87e-08    -4.42e-08       -4.54e-09        4.14e-09
------------------------------------------------------------------------------
                           b = consistent under Ho and Ha; obtained from xtreg
            B = inconsistent under Ha, efficient under Ho; obtained from xtreg

    Test:  Ho:  difference in coefficients not systematic

                  chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B)
                          =        1.83
                Prob>chi2 =      0.1762
                (V_b-V_B is not positive definite)

.

4# gdczlhd

很满意，就是不明白你第三页的输出结果是用什么命令得出的，你前两页我自己运行下面的两条命令可以得出，第三页你用的是什么命令？能完整给出命令吗，我自己运行下得出输出结果。

. xtreg  packpc avgprs income,fe

. xtreg  packpc avgprs income,re