ˆα i 1

Praca laboratoryjna #1
03/11/2010
1. Ze strony http://coin.wne.uw.edu.pl/lmorawsk pobierz plik lab1.rar
2. Plik ten zawiera dane roczne dla gospodarki amerykańskiej za lata 1970-79:
a. realny dochód rozporządzalny (inc),
b. realna konsumpcja (cons).
3. Stata nie czyta bezpośrednio plików .xls. Aby zaimportować dane do Staty musimy je
wpierw zapisać w formacie .csv (comma separated values czyli wartości rozdzielone
przecinkami) lub tab (tab delimited data)- wybierz jeden z formatów przy zapisie
pliku w Excelu
4. Uruchom Statę.
5. Utwórz plik „log”. File/Log/Begin/”nazwa pliku”/enter
6. zaimportuj plik - w tym celu z menu File wybierz punkt Import, podpunkt ASCII data
created by a spreadsheet. W okienku, które się ukaże wpisz nazwę pliku w polu ASCII
dataset filename. W okienku Variables powinny pokazać się nazwy wczytanych
zmiennych (obs, inc i cons).
7. Wyświetl statystyki opisowe zmiennych (średnia, odchylenie standardowe, minimum,
maximum). W tym celu z menu Statistics, wybierz punkt Summaries, tables& tests )
Summary statistics ) Summary statistics. Alternatywnie możesz wpisać komendę
summarize w okienku poleceń (o nazwie Stata Command).
8. Zwróć uwagę na brak wartości dla zmiennej inc. Dlaczego ? Ponieważ jest to zmienna
tekstowa. Aby się o tym przekonać skorzystaj na przykład z polecenia codebook.
9. Zmień format zmiennej inc z tekstowego na numeryczny. Możesz użyć polecenia
„destring” lub „encode”. Skorzystaj z „help”a. Tylko jedno z poleceń zadziała w tym
przypadku !
10. Oszacuj model tłumaczący konsumpcję za pomocą stałej i dochodu:
const = 0 + 1inct +t
11. Jaka jest interpretacja parametrów 0 i 1 ? Jakie są oczekiwana znaki tych parametrów?
12. W celu oszacowania tej regresji wybierz punkt Statistics=>Linear regression and
related => Linear regression. Uwaga - Stata sama dodaje stalą do modelu.
Alternatywnie możesz skorzystać z polecenia regress wpisanego bezpośrednio do
okna poleceń. Aby dowiedzieć się więcej o składni tego polecenia wpisz help regress .
13. Na wydruku regresji odnajdź:
a. wartości α̂ 0 i α̂ 1 (czy są zgodne z oczekiwaniami ?),
b. liczbę obserwacji na której szacowano model,
c. RSS, ESS i TSS.
d. R2
14. Utwórz szereg wartości teoretycznych i szereg reszt. Skorzystaj z polecenia predict:
a. predict yhat - zapisuje na zmiennej yhat szereg wartości teoretycznych.
b. predict resids, residuals - zapisuje na zmiennej resids szereg reszt.
15. Zrób wykres konsumpcji z nałożonymi wartościami dopasowanymi ( na osi X: inc, a
na osi Y wartości obserwowane i teoretyczne)
16. Zrób wykres reszt od X
17. Zrób histogramy dla cons i reszt
18. Oblicz średnią wartość empiryczną (dane) i średnią wartość teoretyczną (dopasowaną)
19. Zweryfikuj, że suma reszt jest równa 0
20. Zamknij log-file (log close)
21. Wyślij log-file na adres [email protected] do 09.11 do godz.8.00 (czas
odbioru poczty)
KONIEC