stata-learning/stata_packages at main · momostudy/stata-learning (github.com) 示例1:xtqreg 文献来源 Hondroyiannis等(2022)认为,人力资本差异(IHC)可能在能源消耗(lenergy)分布的各个点上有所不同。根据Machado和Silva(2019),Hondroyiannis等(2022)在能源消耗分布的选定点上估计了具有固定效应的分位数回归。
在经济学、社会科学和生物统计学等领域,Stata被广泛应用于各种研究和分析工作中。其中,分位数回归是Stata中常见的一种数据分析方法,常用于探究影响因素对结果的不同影响程度。 在进行分位数回归分析时,加入定效应(Fixed Effects)和聚类(Cluster)可以提高模型的准确性和鲁棒性。本文将介绍Stata中如何进行分位数回归...
Stata学习中，当我们需要分析人力资本差异（IHC）对能源消耗（lenergy）分布的影响时，固定效应分位数回归是一个有效工具。Hondroyiannis等（2022）的研究通过这种方法在不同能源消耗水平点上估计了这种关系，考虑了截面依赖性和斜率非均质性的重要影响。具体来说，表5展示了9个分位数（10%-90%）的固定...
在Stata中,可以使用“qreg”命令进行分位数回归分析,使用“xtreg”命令进行固定效应模型的建立。以下是画曲线的步骤: 1. 先建立固定效应模型:使用“xtreg y x1 x2 i.id, fe”命令(其中y为因变量,x1、x2为自变量,id为单位标识符)。 2. 进行分位数回归:对于某一自变量(如x1),使用“qreg y x1, q(.1 ...
接下来,我们需要进行固定效应分位数回归。我们可以使用命令'qreg'来进行回归分析,其中'xi'命令用于引入固定效应。例如,假设我们要回归y变量和x1、x2两个自变量,我们可以使用以下命令: ``` qreg y x1 x2 i.id ``` 其中,'id'为固定效应的变量名。执行上述命令后,Stata会输出回归结果。 接下来,我们可以使用命...