文档介绍：经济数据特点与类型。
1、横截面数据：各种经济个体变量在同一时间点上取值，如中华人民共和国各省GDP
2、时间数列数据：指是某个经济个体变量在不同步点上取值，如1978-山东省每年GDP
3、面板数据：各种经济个体变量在不同步点上取值，如1978-中华人民共和国各省GDP
小样本OLS（最小二乘法）：单一方程线性回归最常用办法
条件：解释变量与扰动项正交、扰动项无自有关、同方差。
拟合优度：衡量线性回归模型对样本数据拟合限度（R2），越高阐明模型拟合限度越好。
单系数T检查：对回归方程扰动项详细概率进行假设
明显性水平进行检查
F检查：整个回归方程与否明显
STATA操作简介：
如果数据中包括1949-10-01或1949/10/01时间变量，导入stata后也许会被视为字符串，因而对于日度数据，可以使用命令gen newvar=date(varname,YMD),将其转换为整数日期变量，其中YMD阐明原始数据格式为年月日，如果原始数据格式为月日年则使用MDY；对于月度数据则gen newvar=monthly(varname,YM)。
.describe：数据概貌 .drop keep：删除和保存
.su：记录特性 Pwcorr：变量之间有关系数
Star（.05）：5%明显性水平 gen:产生
g intc=log（tc）：取自然对数. reg：OLS回归
.Vce：协方差矩阵 reg。。。，noc表达在进行回归时不要常数项
大样本OLS：只规定解释变量与同期扰动项正交即可
Robust：稳健原则误，如果存在异方差，则应使用稳健原则误
最大似然预计法：如果回归方程存在非线性，则使用最大似然预计法（MLE）或非线性最小二乘法（NLS）
三类在大样本下渐进等价记录检查：Wald test LR（似然比检查） LM
操作环节如下：sysuse auto（调用数据集）
Hist mpg，normal（画变量mpg直方图，并与正态密度比较）
直方图显示，变量mpg分布于正态分布有一定差距。
变量可以取对数解决非正态分布问题。
异方差与GLS（广义最小二乘法）
异方差检查：看残差图、怀特检查（white test）、BP检查（Breusch and Pagan）
异方差解决：1、OLS+稳健原则误（最佳）
2、广义最小二乘法（GLS）
3、加权最小二乘法（WLS）
实例操作：
使用数据：use ,clear
reg intc inq inpl inpk inpf（进行回归）
画残差图：rvfplot
上图可以发现当拟合值较小时，扰动项方差较大，继续考察残差与解释变量inq散点图：rvpplot inq，成果与上图几乎一致，也许存在异方差，即扰动项方差随着观测值而变。
完毕回归后，进行怀特检查：estat imtest，white
P值明显，以为存在异方差
6、完毕回归后，进行BP检查：estat hettest,iid estat hottest,rhs iid estat hottest inq,iid
三种形式检查都强烈回绝同方差原假设，存在异方差（这里只放一种形式检查成果）
解决异方差
自有关：扰动项之间自有关
自有关例子：1、时间序列数据中普通具备某种持续性和持久性，如相邻两年GDP增长率；2、截面数据中相邻观测单位之间也许存在溢出效应，如相邻地区农业产量收到类似天气变化影响；3、对数据人为解决如数据中包括移动平均数等；4、如果模型设定中漏掉了某个自有关解释变量并被纳入到扰动项中，则会引起扰动项自有关。
自有关检查：1、画图（不推荐）2、BG检查estat bgodfrey 3、BOX-Pierce Q检查 4、DW检查 estat dwatson. 检查都要在OLS做完后才干做。
自有关解决：1、使用OLS+异方差自有关稳健原则误；2、OLS+聚类稳健原则误；3、使用可行广义最小二乘法（FGLS）；4、修改模型设定
自有关解决实例：1、使用数据 icecream 然后进行回归
BG检查
明显回绝了原假设无自有关，则以为存在自有关
Q检查（略）、DW检查如下
DW= 距离2很远可以以为存在自有关。
由以上检查可以看出扰动项之间存在自有关，因而OLS提供原则误是不精确，应使用异方差自有关稳健原则误，由于样本为3