我用stata做了很多的回归，想把每个回归中的β系数提取出来做时间序列图应该怎么做

14728

收藏 2019-04-09

悬赏 5 个论坛币已解决

这是我跑出来的部分回归，现在需要将这些回归的β系数提取出来做时间序列图。β系数应该怎么提取呢，谢谢各位大佬！

-> 时间 = 201801

   Source |    SS          df    MS    Number of obs =       22
-------------+---------------------------------- F(1, 20)       =    0.91
   Model |  .000504992       1  .000504992 Prob > F       = 0.3517
Residual |  .011107474       20  .000555374 R-squared    = 0.0435
-------------+---------------------------------- Adj R-squared = -0.0043
   Total |  .011612466       21  .000552975 Root MSE       = .02357

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | .6869708 .7204247    0.95 0.352 -.8158087    2.18975
   _cons | .0049275 .0053622    0.92 0.369 -.0062578 .0161128
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201802

   Source |    SS          df    MS    Number of obs =       15
-------------+---------------------------------- F(1, 13)       =    12.44
   Model |  .006145611       1  .006145611 Prob > F       = 0.0037
Residual |  .006422809       13  .000494062 R-squared    = 0.4890
-------------+---------------------------------- Adj R-squared = 0.4497
   Total |  .012568421       14  .000897744 Root MSE       = .02223

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | 1.180851 .3348139    3.53 0.004    .4575299 1.904173
   _cons |  -.0015404 .0059089 -0.26 0.798 -.0143058 .0112249
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201803

   Source |    SS          df    MS    Number of obs =       22
-------------+---------------------------------- F(1, 20)       =    5.15
   Model |  .001203612       1  .001203612 Prob > F       = 0.0345
Residual |  .004676852       20  .000233843 R-squared    = 0.2047
-------------+---------------------------------- Adj R-squared = 0.1649
   Total |  .005880463       21  .000280022 Root MSE       = .01529

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | .7255983 .3198268    2.27 0.035    .0584513 1.392745
   _cons | .0015634 .0033022    0.47 0.641 -.0053249 .0084517
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201804

   Source |    SS          df    MS    Number of obs =       18
-------------+---------------------------------- F(1, 16)       =    9.82
   Model |  .002007011       1  .002007011 Prob > F       = 0.0064
Residual |  .003268469       16  .000204279 R-squared    = 0.3804
-------------+---------------------------------- Adj R-squared = 0.3417
   Total | .00527548       17  .000310322 Root MSE       = .01429

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | .9553282 .3047824    3.13 0.006    .3092183 1.601438
   _cons | .0056079 .0034417    1.63 0.123 -.0016881 .0129039
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201805

   Source |    SS          df    MS    Number of obs =       22
-------------+---------------------------------- F(1, 20)       =    8.82
   Model | .00217558       1 .00217558 Prob > F       = 0.0076
Residual |  .004935074       20  .000246754 R-squared    = 0.3060
-------------+---------------------------------- Adj R-squared = 0.2713
   Total |  .007110653       21  .000338603 Root MSE       = .01571

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | 1.024358 .3449816    2.97 0.008    .3047386 1.743977
   _cons | .0004633 .0033517    0.14 0.891 -.0065282 .0074548
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201806

   Source |    SS          df    MS    Number of obs =       20
-------------+---------------------------------- F(1, 18)       =    0.91
   Model |  .000379285       1  .000379285 Prob > F       = 0.3533
Residual | .00752092       18  .000417829 R-squared    = 0.0480
-------------+---------------------------------- Adj R-squared = -0.0049
   Total |  .007900205       19 .0004158 Root MSE       = .02044

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re |  -.3403815 .3572585 -0.95 0.353 -1.090954 .4101908
   _cons |  -.0055691 .0048024 -1.16 0.261 -.0156586 .0045204
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201807

   Source |    SS          df    MS    Number of obs =       22
-------------+---------------------------------- F(1, 20)       =    13.74
   Model |  .001643452       1  .001643452 Prob > F       = 0.0014
Residual |  .002392027       20  .000119601 R-squared    = 0.4073
-------------+---------------------------------- Adj R-squared = 0.3776
   Total |  .004035479       21  .000192166 Root MSE       = .01094

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | .6678406 .1801616    3.71 0.001    .29203 1.043651
   _cons | .001738 .0023317    0.75 0.465 -.0031258 .0066018
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201808

   Source |    SS          df    MS    Number of obs =       23
-------------+---------------------------------- F(1, 21)       =    24.78
   Model |  .002832641       1  .002832641 Prob > F       = 0.0001
Residual |  .002400652       21  .000114317 R-squared    = 0.5413
-------------+---------------------------------- Adj R-squared = 0.5194
   Total |  .005233293       22  .000237877 Root MSE       = .01069

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | .7475967 .150185    4.98 0.000    .4352699 1.059924
   _cons | .0022728 .0022551    1.01 0.325    -.002417 .0069626
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201809

   Source |    SS          df    MS    Number of obs =       19
-------------+---------------------------------- F(1, 17)       =    16.18
   Model |  .001892841       1  .001892841 Prob > F       = 0.0009
Residual |  .001989348       17 .00011702 R-squared    = 0.4876
-------------+---------------------------------- Adj R-squared = 0.4574
   Total | .00388219       18  .000215677 Root MSE       = .01082

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | .7950311 .1976778    4.02 0.001    .3779674 1.212095
   _cons | .000829 .0025019    0.33 0.744 -.0044496 .0061076
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201810

   Source |    SS          df    MS    Number of obs =       18
-------------+---------------------------------- F(1, 16)       =    32.89
   Model |  .007096298       1  .007096298 Prob > F       = 0.0000
Residual |  .003452394       16  .000215775 R-squared    = 0.6727
-------------+---------------------------------- Adj R-squared = 0.6523
   Total |  .010548691       17  .000620511 Root MSE       = .01469

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | .8541368 .1489401    5.73 0.000    .5383979 1.169876
   _cons |  -.0025461 .0035345 -0.72 0.482 -.0100389 .0049467
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201811

   Source |    SS          df    MS    Number of obs =       22
-------------+---------------------------------- F(1, 20)       =    13.38
   Model |  .001242916       1  .001242916 Prob > F       = 0.0016
Residual |  .001857235       20  .000092862 R-squared    = 0.4009
-------------+---------------------------------- Adj R-squared = 0.3710
   Total |  .003100151       21  .000147626 Root MSE       = .00964

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | .5677874 .155197    3.66 0.002    .2440521 .8915228
   _cons |  -.0033127 .0020545 -1.61 0.123 -.0075984    .000973
------------------------------------------------------------------------------

------------------------------------------------------------------------------
-> 时间 = 201812

   Source |    SS          df    MS    Number of obs =       20
-------------+---------------------------------- F(1, 18)       =    2.63
   Model |  .001146343       1  .001146343 Prob > F       = 0.1222
Residual | .00784193       18  .000435663 R-squared    = 0.1275
-------------+---------------------------------- Adj R-squared = 0.0791
   Total |  .008988273       19  .000473067 Root MSE       = .02087

------------------------------------------------------------------------------
      ri |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      re | .691744 .4264453    1.62 0.122 -.2041844 1.587672
   _cons |  -.0058601 .0048305 -1.21 0.241 -.0160086 .0042884
------------------------------------------------------------------------------

最佳答案

黃河泉查看完整内容

请先 ssc install numdate 与 ssc install rangestat，然后试试

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

黃河泉

2019-4-9 15:05:06

nannanxhm 发表于 2019-4-10 12:52
----------------------- copy starting from the next line ----------------------------------------- ...

请先 ssc install numdate 与 ssc install rangestat，然后试试

复制代码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nannanxhm

2019-4-9 15:12:03

这是回归的图片，复制粘贴的可能太乱了！

附件列表

QQ图片20190409151121.png

原图尺寸 56.47 KB

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

忧壑空谷兰

2019-4-9 16:33:45

想请问一下楼主，你的每个方程是单独估计的吧？这样系数可以在不同方程间相互比较吗？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

黃河泉

2019-4-9 17:45:44

这应该是简单问题请附上 3 到 4 个月之资料，我帮你试试！

你若要问程序，永远附上相关资料；若附上资料，永远用 dataex 印出资料。
1. 先 ssc install dataex (并见说明)，将原始 Stata 资料中具有”代表性”的一部分资料列出，以供有意回答者实验之用，并能提供具体操作指令。
2. 请参考说明 https://bbs.pinggu.org/thread-5048204-1-1.html。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nannanxhm

2019-4-9 22:27:00

忧壑空谷兰发表于 2019-4-9 16:33
想请问一下楼主，你的每个方程是单独估计的吧？这样系数可以在不同方程间相互比较吗？

目的不是把这些系数之间进行比较呢，后面还要作市场指数的图，最后看贝塔系数与市场指数变化有什么关系

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

nannanxhm

2019-4-9 22:39:45

黃河泉发表于 2019-4-9 17:45
这应该是简单问题请附上 3 到 4 个月之资料，我帮你试试！

你若要问程序，永远附上相关资料；若附上资料 ...

----------------------- copy starting from the next line -----------------------

复制代码

------------------ copy up to and including the previous line ------------------

Listed 10 out of 74 observations

是这样吗？这里是前面十个月的，每个月的数据跑了一个回归。感谢

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

黃河泉

2019-4-10 06:37:37

nannanxhm 发表于 2019-4-9 22:39
----------------------- copy starting from the next line ----------------------------------------- ...

這是你的資料嗎？時間變量呢？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nannanxhm

2019-4-10 12:52:07

黃河泉发表于 2019-4-10 06:37
這是你的資料嗎？時間變量呢？

----------------------- copy starting from the next line -----------------------

复制代码

------------------ copy up to and including the previous line ------------------

Listed 100 out of 1700 observations
Use the count() option to list more

应该是这些数据，这里有六个月的。是将每个月的ri和re做回归，然后提取出这些回归里的β，感谢！！！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

刘思雨。

2019-4-10 22:23:15

nannanxhm 发表于 2019-4-9 15:05
这是我跑出来的部分回归，现在需要将这些回归的β系数提取出来做时间序列图。β系数应该怎么提取呢，谢谢各 ...

请问你这个问题解决了吗，我也刚好碰到这个难题

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nannanxhm

2019-4-11 12:50:13

刘思雨。发表于 2019-4-10 22:23
请问你这个问题解决了吗，我也刚好碰到这个难题

还没有...

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nannanxhm

2019-4-11 12:50:57

黃河泉发表于 2019-4-10 15:51
请先 ssc install numdate 与 ssc install rangestat，然后试试

运行了没有任何反应呀

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nannanxhm

2019-4-11 13:07:43

黃河泉发表于 2019-4-10 15:51
请先 ssc install numdate 与 ssc install rangestat，然后试试

有啦有啦看见了，十分感谢

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

tianwk

2019-4-11 13:13:22

thansks for sharing

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

hoguo15

2019-4-12 11:50:20

哦这个其实很简单。你的回归是用reg做的吧？是的话那么你应该用stata reg命令自动保存的local macro来提取这些系数。具体来讲，每次stata做一个reg，都会把一系列的相关结果存在一系列的系统变量里面。回归系数存在e(b)里面。这是一个matrix.

比如你打：
reg y x
mat list e(b)

就可以看到类似于这样的结果：

那么你要是写一个这样的代码：
gen coef = .
reg y x
mat A = e(b)
replace coef = A[1,1] in 1

就可以把这一个回归的第一个系数放到coef这个变量里了。如果你做了很多回归的话那么写一个loop一个一个存就好了。这样做代码会跑得很慢。但是stata的话没有更好的办法，除非你右面的自变量除了constant之外只有一个。

reg储存的相关信息都可以打h reg看到：

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

霉菌-

2021-1-14 10:04:59

nannanxhm 发表于 2019-4-9 22:27
目的不是把这些系数之间进行比较呢，后面还要作市场指数的图，最后看贝塔系数与市场指数变化有什么关系

我最近也要看每只股票贝塔系数和市场指数的关系，请问楼主怎么解决的

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

Tyyyyyyy

2022-3-1 23:02:26

霉菌- 发表于 2021-1-14 10:04
我最近也要看每只股票贝塔系数和市场指数的关系，请问楼主怎么解决的

请问您解决了吗~

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

Lillian-Ron

2022-6-18 18:49:41

bcoeff y x1 x2, by(id month) gen(newvar)试一试

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

Rebecca啦啦啦

2023-10-30 11:51:32

Lillian-Ron 发表于 2022-6-18 18:49
bcoeff y x1 x2, by(id month) gen(newvar)试一试

这个好！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

最佳答案

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群