文献中用的最普遍的是 AIC 和 BIC，AIC 通常比较保守，选出的滞后阶数较高，而 BIC 则倾向于选择比较精简的模型。
在你提到的问题中，我认为你可以选择从众行为，选择滞后阶数为 2。

谢谢连老师，我看到有的文献上说当AIC和bic的滞后阶数出现冲突时，可使用LR检验来确定滞后期，如果是这样的话，那应该是2阶。

那就选二阶。
ps，你头像里这件 T 恤衫很好看，呵呵。

连老师：还有一个跟stata无关的问题可以问一下么？

因为我刚接触计量，我看很多数据都在取对数，这样可以让数据具有更好的性质

所以我也对数据取了对数

但疑问是取对数后的分析结果如何做经济学解释

比如分析得lny=a+blnx+u，是不是可以解释为x增长一个百分点，y增长b个百分点呢？

ps：就是一件短袖海军衫，淘宝上有卖，哈

取对数通常有两个目的：
其一，有些模型假设其中的变量或干扰项服从正态分布，取对数比较容易满足这一假设条件；
其二，有些变量包含了严重的离群值，取对数有助于减小离群值对估计结果的影响，尤其是当你采用 OLS 进行估计的时候。原理很简单，ln(10) = 2.3，ln(10000) = 9.2，可以看出，原本差异很大的两个数字，取完对数后差异变小了。

当然，取对数也是有代价的，最为明显的就是导致估计系数的含义发生变化。例如 y  = xb + e，估计完成后，b 的系数可以解释为边际效果；而当采用 lny = lnx*b + e 的形式后，b 的系数则解释为弹性。如果采用 lny = xb + e 的形式，b 的含义就不那么容易解释清楚了。

不过，多数计量模型的目的并不是为了得到 b 的具体估计值（CD 函数除外，它希望得到资本和劳力的弹性），而只是为了推断其系数是否显著异于零，即进行定性判断。换言之，也就是我们平时所言的，x 是否影响 y？至于 x 在多大程度上影响 y，则不是我们重点关注的问题。在这种情况下，进行对数转换并不会影响我们的分析目的，因为对数转换是单调转换，不会影响数值的相对大小。

上述是我的粗陋见解，不妥之处，还请各位指正和讨论。