求助:我用它作图时打出现下面的问题:请各位高手多多帮忙,十分感谢.

input time y1 sd1 y2 sd2

time y1 sd1 y2 sd2 1. 0 11.8 1.4 10.6 1.5 2. 2 18.5 2.3 16.3 2 3. 4 25 3.4 18.9 2.1 4. 6 27.3 2.9 22.6 1.9 5. 8 30.4 3.2 22.8 1.8 6. 10 31.7 3.4 22.6 2.3 7. 12 32.5 3.5 22.9 2.2 8. end

.. save D:ex.dta file D:ex.dta saved

. br

. graph y1 y2 time, c(11[-]) s(OT) xlab(0(2)12) ylab y1graph_g.new (y2 time, c(11[-]) s(OT) ylab), xlab(0(2)12): class member function not found

y1 is not a valid graph subcommand

谢谢了

85楼的,我们俩遇到的问题是一样的哦.如果谁能先解决这个问题,互相通知一下哦.我的QQ:66005333欢迎加我,并多多帮忙.谢谢

太强了。 狂支持

怎么没有人回复呀? 我急待解决这个问题.请各位高手帮忙.

不是 STATA 的错，她很少出错的，呵呵 。

graph命令是stata7种采用的画图命令，在stata8种基本上不使用了。所以你想画图的画，可以采用twoway命令。

具体可输入 whelp twoway 命令查看相关的帮助。

你上面的命令，建议改为：

twoway (line y1 time) (line y2 time), options(as what you have specified)

十分感谢上楼的大哥!谢谢了!

. sort region year

. for var lnh lnk lnl: qui by region: egen MX=mean(X)

-> qui by region: egen Mlnh=mean(lnh)

-> qui by region: egen Mlnk=mean(lnk)

-> qui by region: egen Mlnl=mean(lnl)

xtreg lny lnh lnk lnl year Mlnh Mlnk Mlnl, re i (region) independent variables are collinear with the panel variable region

1，我在做Mundlak-test的时候，出现了以上红字所显示的错误信息。请问应该如何解决？

2，我想复制结果到word文件中，点右键-copy table，但是这样粘贴到word中的结果是只有数据，相关格式并没有复制过去，请问应该如何解决？

谢谢！

请问.那里有stata下载呢?

１。

[quote 1] [== 1，我在做Mundlak-test的时候，出现了以上红字所显示的错误信息。请问应该如何解决？ ==]

这是因为你所产生的三个变量和ｒｅｇｉｏｎ变量是完全共线性的。你产生的变量为

－－－－－－－－

> qui by region: egen Mlnh=mean(lnh)

-> qui by region: egen Mlnk=mean(lnk)

-> qui by region: egen Mlnl=mean(lnl)

－－－－－－－－

对于每一个ｒｅｇｉｏｎ而言，这三个变量都是　１　的倍数，而ｒｅｇｉｏｎ本身的值为　１，共线性很显然。

２。参考如下帖子，很详细

作者：hgz2373294 发表于2005-7-13 23:07:23 最后跟贴：为什么网上无法......">STATA计量结果如何才能格式不变的粘贴? [ 1 2 3 4 ]

http://jinhe.xjtu.edu.cn/bbs/dispbbs.asp?boardID=5&ID=71

［下载］GLS和序列相关的STATA实现——金禾论坛笔记

https://bbs.pinggu.org/thread-24961-1-1.html&page=1

我不清楚你设定那三个变量的用意，如果只是想控制他们的影响效果，那么采用两个虚拟变量就可以解决了。

谢谢arlionn的答复。前面的问题我已经搞清楚了。还有如下几个问题向您以及大家讨教：

在fe中，如何选取估计方法？within estimator 还是 first－difference estimator ？我用一套数据同时使用这两种方法，但是最后得出的两组系数相差比较大。此时，应该如何取舍？

within 和 FD 都可以去除个体效应，但是后者会引入序列相关的问题，所以在做 FD处理后要采用 ＧＬＳ　进行估计，得到的结果与　ｗｉｔｈｉｎ　相同。所以你直接采用ｗｉｔｈｉｎ即可。

不过，ＦＤ也有它的用处，因为我们可以前向差分（forward differencing），这种方法在处理动态面板数据时用的比较多。

. xtreg lny lnh lnk lnl, fe i (province)

Fixed-effects (within) regression Number of obs = 532 Group variable (i): province Number of groups = 28

R-sq: within = 0.9492 Obs per group: min = 19 between = 0.9739 avg = 19.0 overall = 0.9655 max = 19

F(3,501) = 3121.38 corr(u_i, Xb) = -0.4768 Prob > F = 0.0000

------------------------------------------------------------------------------ lny | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- lnh | .363275 .0427629 8.50 0.000 .2792583 .4472916 lnk | .6805351 .0119278 57.05 0.000 .6571004 .7039697 lnl | .5857636 .0683678 8.57 0.000 .4514408 .7200865 _cons | -.5523593 .4679209 -1.18 0.238 -1.471688 .3669698 -------------+---------------------------------------------------------------- sigma_u | .16018491 sigma_e | .11455977 rho | .66160712 (fraction of variance due to u_i) ------------------------------------------------------------------------------ F test that all u_i=0: F(27, 501) = 12.84 Prob > F = 0.0000

. sort province year

. for var lny lnh lnk lnl: qui by province: g DX=X[_n]-X[_n-1]

-> qui by province: g Dlny=lny[_n]-lny[_n-1]

-> qui by province: g Dlnh=lnh[_n]-lnh[_n-1]

-> qui by province: g Dlnk=lnk[_n]-lnk[_n-1]

-> qui by province: g Dlnl=lnl[_n]-lnl[_n-1]

. reg Dlny Dlnh Dlnk Dlnl

Source | SS df MS Number of obs = 504 -------------+------------------------------ F( 3, 500) = 96.02 Model | .524001283 3 .174667094 Prob > F = 0.0000 Residual | .909536002 500 .001819072 R-squared = 0.3655 -------------+------------------------------ Adj R-squared = 0.3617 Total | 1.43353729 503 .002849975 Root MSE = .04265

------------------------------------------------------------------------------ Dlny | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- Dlnh | .145337 .0344233 4.22 0.000 .0777048 .2129692 Dlnk | .2364523 .0139977 16.89 0.000 .2089508 .2639538 Dlnl | -.1021516 .0620731 -1.65 0.100 -.2241079 .0198047 _cons | .0615844 .0026323 23.40 0.000 .0564127 .0667561 ------------------------------------------------------------------------------

. xtgls Dlny Dlnh Dlnk Dlnl

Cross-sectional time-series FGLS regression

Coefficients: generalized least squares Panels: homoskedastic Correlation: no autocorrelation

Estimated covariances = 1 Number of obs = 504 Estimated autocorrelations = 0 Number of groups = 28 Estimated coefficients = 4 Time periods = 18 Wald chi2(3) = 290.36 Log likelihood = 876.839 Prob > chi2 = 0.0000

------------------------------------------------------------------------------ Dlny | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- Dlnh | .145337 .0342865 4.24 0.000 .0781368 .2125373 Dlnk | .2364523 .013942 16.96 0.000 .2091265 .2637782 Dlnl | -.1021516 .0618263 -1.65 0.098 -.223329 .0190257 _cons | .0615844 .0026218 23.49 0.000 .0564457 .0667231 ------------------------------------------------------------------------------

[此贴子已经被作者于2005-11-1 19:34:14编辑过]

Arilionn以及其他同学请看以上结果(蓝色是命令，黑色是结果)：

1. 很明显，用within与fd得出的结果相差比较大。尤其是lnl的符号在within中是正的，置信度在１％；但在fd中Dlnl的符号是负的，置信度在１０％。

2. 即使对fd采用GLS,得出的结果也没有变化。并没有出现arlionn所说的结果会与within相同。

请问这是什么原因？谢谢！

虽然你在差分后使用了xtgls命令，但事实上你并没有过作任何针对异方差的处理，因为你没有设定panel(het)选项。

差分后模型的方差为 Var(e*)=sigma^2QQ'，其中Q=（I 直乘 B），B为差分矩阵。

我建议你不要采用xtgls命令，直接用矩阵进行运算，得到的结果一定是相同的。因为，我是在看Arellano(2003)那本书时，从头到尾推到过一遍的，这个结论是不会有错的。

感谢arllionn的答复！

继续求教：

1。请问应该如何“直接用矩阵进行运算”？能否简要说明一下？

2。我尝试着用xtgls命令，设定了异方差，但是结果并没有太大差别。您能否大概说下应该怎么做？如下：

. xtgls Dlny Dlnh Dlnk Dlnl, p(h)

Cross-sectional time-series FGLS regression

Coefficients: generalized least squares Panels: heteroskedastic Correlation: no autocorrelation

Estimated covariances = 28 Number of obs = 504 Estimated autocorrelations = 0 Number of groups = 28 Estimated coefficients = 4 Time periods = 18 Wald chi2(3) = 417.28 Log likelihood = 919.7783 Prob > chi2 = 0.0000

------------------------------------------------------------------------------ Dlny | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- Dlnh | .145723 .0296073 4.92 0.000 .0876938 .2037522 Dlnk | .2468983 .0121668 20.29 0.000 .2230518 .2707448 Dlnl | -.0896344 .058913 -1.52 0.128 -.2051017 .025833 _cons | .0618981 .0023371 26.49 0.000 .0573175 .0664787 ------------------------------------------------------------------------------

. xtgls Dlny Dlnh Dlnk Dlnl, i(province) t(year) force igls nmk panels(het) Iteration 1: tolerance = .00410899 Iteration 2: tolerance = .00111581 Iteration 3: tolerance = .00029633 Iteration 4: tolerance = .00007967 Iteration 5: tolerance = .00002169 Iteration 6: tolerance = 5.952e-06 Iteration 7: tolerance = 1.642e-06 Iteration 8: tolerance = 4.541e-07 Iteration 9: tolerance = 1.258e-07 Iteration 10: tolerance = 3.489e-08

Cross-sectional time-series FGLS regression

Coefficients: generalized least squares Panels: heteroskedastic Correlation: no autocorrelation

Estimated covariances = 28 Number of obs = 504 Estimated autocorrelations = 0 Number of groups = 28 Estimated coefficients = 4 Time periods = 18 Wald chi2(3) = 433.16 Log likelihood = 920.1394 Prob > chi2 = 0.0000

------------------------------------------------------------------------------ Dlny | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- Dlnh | .147157 .0294457 5.00 0.000 .0894446 .2048695 Dlnk | .2513356 .0121531 20.68 0.000 .2275159 .2751552 Dlnl | -.0835063 .0590802 -1.41 0.158 -.1993013 .0322887 _cons | .061871 .002338 26.46 0.000 .0572886 .0664535 ------------------------------------------------------------------------------

多谢！！！

这样吧，你把电子邮件留下，或发封信给我，我这里有证明的过程，可以发给你看看。看完后矩阵的操作也就明白了，这段时间太忙没时间搞这个，不然的话可以动手做一下，就可以避免纸上谈兵的嫌疑了，呵呵。

arlionn@163.com

今天网络出了毛病，一直都不能访问这个网站，真是急死我了。arlionn老师，我已经给您发了邮件。谢谢您的帮助！

我们学校也用这个，以后可以多多交流，谢谢楼主

我采用了一个简单的例子加以说明，结果如下，你可以换成任意的数据去验证。

==============Part1: codes =================

// to show that the Whithin estimator <===> GLS estimator for FDed data use "D:\stata8\ado\Examples\XTFiles\invest2.dta", clear qui tsset com time qui xtdes local N = r(N) local T = r(mean)

*--1--* set up dataset in matrix format mkmat invest , mat(Y) mkmat mark st, mat(X)

*--2--* Whithin estimation mat one = J(`T',1,1) mat One = J(`N'*`T',1,1) mat D = I(`N')#one mat Q = I(`N'*`T') - D*inv(D'*D)*D' mat beta_w = inv(X'*Q*X)*X'*Q*Y

*--3--* First Differenced data, estimated by GLS mat B = J(`T'-1,`T',0) mat B[1,1] = -1*I(`T'-1) mat B1 = B mat B = J(`T'-1,`T',0) mat B[1,2] = I(`T'-1) mat B2 = B mat B = B1 + B2

mat QB = I(`N')#B mat QQ = QB'*inv(QB*QB')*QB mat beta_f = inv(X'*QQ*X)*X'*QQ*Y

mat list beta_w /* Whithin estimator */ mat list beta_f /* GLS estimator for First differenced data */

==============Part2 Results===============

. mat list beta_w /* Whithin estimator */ beta_w[2,1] invest market .10597991 stock .34665958

. mat list beta_f /* GLS estimator for First differenced data */

beta_f[2,1] invest market .10597991 stock .34665958

证明的部分已经发到你的邮箱里。

arlionn:

建议你在这儿开了stata和计量经济学的版，由你人斑竹！因为这儿人气旺！

呵呵，我这点东西，还不都是雕虫小技，只是学习的过程中大家互相交流而已。人大论坛里高手如云，只是都比较内敛而已。其实，我有很多问题也是在这里看到有人提问才去思考的，人都是有惰性的。

不过还是感谢constant的支持。

http://jinhe.xjtu.edu.cn/bbs/list.asp?boardid=5

. xtgls Dlny Dlnh Dlnk Dlnl, p(h)

Cross-sectional time-series FGLS regression

Coefficients: generalized least squares Panels: heteroskedastic Correlation: no autocorrelation

Estimated covariances = 28 Number of obs = 504 Estimated autocorrelations = 0 Number of groups = 28 Estimated coefficients = 4 Time periods = 18 Wald chi2(3) = 417.28 Log likelihood = 919.7783 Prob > chi2 = 0.0000

------------------------------------------------------------------------------ Dlny | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- Dlnh | .145723 .0296073 4.92 0.000 .0876938 .2037522 Dlnk | .2468983 .0121668 20.29 0.000 .2230518 .2707448 Dlnl | -.0896344 .058913 -1.52 0.128 -.2051017 .025833 _cons | .0618981 .0023371 26.49 0.000 .0573175 .0664787 ------------------------------------------------------------------------------

发重了，请删除该贴。谢谢！

[此贴子已经被作者于2005-11-8 19:51:10编辑过]

看完 Greene（2000）chapter14 and chapter15, all the questions will be non-questions.