【计量经济学】简单回归模型

本文介绍了简单回归模型的基本概念和技术。首先讲解回归方程及其名称，从两条基本假设推导最小二乘法，并通过矩估计求得β，解释为什么称为普通最小二乘法（OLS）。接着讨论OLS统计量的代数性质，包括总平方和（SST）、回归平方和（SSR）和残差平方和（SSE）以及拟合优度。还介绍了在简单回归中加入非线性因素和常弹性模型。进一步讨论OLS估计的统计性质，如无偏性、估计量的方差、误差方差的估计及残差与误差的区别。最后，介绍方差的估计及过原点回归与对常数回归。

【计量经济学】固定效应、随机效应、相关随机效应

本文介绍固定效应、随机效应和相关随机效应模型。首先讲解固定效应模型及其假设，通过工作培训与废弃率的例子和虚拟变量回归进行说明，并比较固定效应(FE)与一阶差分(FD)方法。接着讨论随机效应模型，解释θ的取值范围并举工资方程的例子。比较随机效应(RE)与固定效应(FE)的异同。最后，介绍相关随机效应模型，并讨论如何将上述方法应用于截面数据。

【计量经济学】工具变量估计与两阶段最小二乘法

本文介绍工具变量估计和两阶段最小二乘法（2SLS）。首先讲解工具变量估计和IV估计量，如何用IV估计法进行统计推断，并通过实际例子说明，如估计已婚女性和男性的教育回报。讨论二值工具变量和弱工具问题，IV中的$R^2$及多元回归模型的IV估计。进一步介绍两阶段最小二乘法，包括职业女性教育回报的实例，多个内生解释变量的处理及内生性检验。最后，探讨过度识别约束检验和2SLS在面板数据中的应用。

【计量经济学】多元回归分析

本文介绍了多元回归分析的关键概念和技术。首先讲解多元线性回归模型及普通最小二乘法（OLS）得到估计值的方法，解释OLS回归方程。探讨了OLS的拟合值和残差的性质。讨论OLS估计值的期望值、回归模型中包含无关变量及遗漏变量的偏误。分析OLS估计量的方差、多重共线性及其后果与修正措施，标准误。最后，阐述OLS的有效性。

stata数据处理

本文详细讲解数据处理方法。内容包括数据导入、导出以及将表格第一行设为变量标注。讨论了数据的横向和纵向合并，包括一对多与多对一的横向合并。介绍了缺失值的查看、替换与填充，离群值处理，取对数方法及截尾、缩尾处理。内容还涵盖分组统计、列表统计及分组回归，详细解释了使用egen函数进行数据处理及其他常用egen函数的应用。最后，介绍了文字日期变量的处理、季度数据调整为月度数据的方法，以及不放回抽样和有放回抽样的技术。

stata简单回归与检验

本文重点讲解简单回归与检验方法。内容包括OLS回归、系数的t检验及异方差稳健型标准误。还涵盖了计算拟合值和残差、残差分析、相关系数矩阵和相关矩阵散点图，介绍了Pearson和Spearman相关系数。进一步探讨了单变量和多变量t检验，以及变量在多组之间的差异。讨论了稳健型标准误的多种类型，如White异方差稳健型标准误、聚类调整后的标准误和自抽样法(Bootstrap)稳健型标准误。最后，介绍了结果的呈现与输出。

stata绘图指令

本文主要讲解Stata中的绘图指令。内容包括绘图概览及具体的图形类型，如饼图（graph pie）、韦恩图、折线图、连线图、线性拟合图、直方图和函数图。最后，介绍了如何在图中添加特殊字符和文字，以增强图表的表达效果。

stata变量引用

本文重点讲解了变量引用方法。内容涵盖变量生成、gen命令及通配符（*、?、-）的使用。还包括因子变量和时间序列分析，详细讲述了变量命名、添加前缀、标签及批量重命名。讨论了数字-文字对应表和CSMAR数据处理方法，如何查看和查找变量。最后，解释了单值与暂元的概念及利用暂元编写循环语句的技巧。