⑴ STATA如何實現固定效應模型的OLS和GLS回歸分析
菜鳥最好用eviews去做，簡單一些
stata編程復雜一些
⑵ 計量經濟學ols法回歸結果中"值"指的哪個數值
這個問題說實話，模糊的讓人不知道如何回答。
OLS 回歸結果有很多值，每一個專值都有不同的檢屬驗意義。
籠統的說，
1. 一般會看R 值，或者是有調整的R值。這個是數值是檢驗整個模型擬合的好壞。
2. 各個自變數的 系數值，這些數值是否在方向上是合乎預期的。其給出了這個自變數對因變數的影響的大小。
3. 系數值的P值。得到系數值後，在統計上是否顯著，也是要考量的。如果P值一般大於0.1 就說明，自變數與因變數在統計上是沒有聯系。
4.有特別考察需要的，會看標准差值，如果標准差值過大，可能數據有需要調整的地方，如處理離群值。
5. 其他檢驗數據值，如 D-W 值，這個數值一般接近於2 是最好，如果過小或者過大，都說明模型存在自相關的問題。
以上僅是大多數實證分析會在文章中有說明的數值。
⑶ 計量經濟學問題求詳解～
有點奇怪，這本書為什麼對OLS估計量使用了矩陣形式，而在後面對OLS估計量內的方差估計量卻使用標量容呢（注意beta下面的序號），如果題主所疑惑的C在前文沒有任何交代，那麼這本書則純屬誤認子弟。其次，這本書似乎幾個概念都沒有搞清，比如參數OLS估計的方差那欄，估計量的方差本身應該是VAR（）,如果加了^符號，則表明是方差的估計量，之所以使用估計量，是因為誤差的方差（sigma的平方）不知，用它的無偏估計量殘差平方和除以自由度代替的，所以這欄准確的說應該叫OLS估計量的方差的估計量。
下面回答題主兩個問題：
題主疑惑的兩個C是一樣的，上面那個是OLS估計量的方差的估計量，下面計算的是方差估計量的標准差，也就是上面的值開根號。
這里的C不太好看，也不易理解。事實上，接著OLS估計量的矩陣形式往下推演，在經典假設下（誤差滿足球形擾動），OLS估計量的方差矩陣應該[（X'X)^(-1)][sigma^2]（不滿足前提假設，左邊括弧的內容有變），X是n*k的矩陣（k為beta參數的個數，n為樣本數），X』是k*n的矩陣，C=[（X'X)^(-1)]是k*k的矩陣，於是Cjj可以看作C矩陣對角線的元素。
⑷ GLS在EVIEWS上的實現
兩種方法：
1.蠢且勤快的方法：在回歸結果窗口中按Estimate，改變你的回歸項回分別為「答y*1/abs(resid) x1*1/abs(resid) x2*1/abs(resid)……」，當然要在做完你的OLS後馬上做，否則你的resid序列就不是你所要的誤差序列了。
2.聰明且懶的方法：你先用你所需要用的變數做一下OLS回歸，然後在回歸結果窗口裡按Proc，選擇下拉菜單裡面的Make resial Serias，給個單字母的序列名字，這樣可以生長一個誤差序列，然後再在你的回歸結果窗口中按Estimate選擇Options，在Weighted LS/TSLS前畫挑，並且在Weight後面的空白處填寫：1/abs（剛才起的序列名字）然後就ok了。
我用的是EViews5，如果你用的是3.0那麼我叫不準是不是和我所給的選項位置一樣，不過英文表達一樣是一樣的
⑸ 計量經濟學中的普通最小二乘法（OLS）的4個基本假設條件是什麼
計量經濟學中的普通最小二乘法（OLS）的4個基本假設條件分別為：
1、解釋變數是確定變數，不是隨機變數。
2、隨機誤差項具有零均值、同方差何不序列相關性。
3、隨機誤差項與解釋變數之間不相關。
4、隨機誤差項服從零均值、同方差、零協方差的正態分布。
通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知的數據，並使得這些求得的數據與實際數據之間誤差的平方和為最小。
最小二乘法還可用於曲線擬合。其他一些優化問題也可通過最小化能量或最大化熵用最小二乘法來表達。
(5)計量經濟學中OLS和GLS擴展閱讀：
在我們研究兩個變數（x,y）之間的相互關系時，通常可以得到一系列成對的數據（x1，y1，x2，y2... xm，ym）；將這些數據描繪在x -y直角坐標系中，若發現這些點在一條直線附近，可以令這條直線方程。
在回歸過程中，回歸的關聯式不可能全部通過每個回歸數據點（x1，y1，x2，y2...xm，ym），為了判斷關聯式的好壞，可藉助相關系數「R」，統計量「F」，剩餘標准偏差「S」進行判斷；「R」越趨近於 1 越好；「F」的絕對值越大越好；「S」越趨近於 0 越好。
R = [∑XiYi - m （∑Xi / m）（∑Yi / m)]/ SQR{[∑Xi2 - m （∑Xi / m)2][∑Yi2 - m （∑Yi / m)2]}
m為樣本容量，即實驗次數；Xi、Yi分別為任意一組實驗數據X、Y的數值。
⑹ 幾個計量經濟學軟體的比較
只說我用過的吧，沒用過的不敢品評
1.spss具有非常強的統計分析功能，專適合於為計量屬分析做事前處理，比如多元變數降維，即數據收集、整合、假設檢驗等等工作，做回歸分析spss的能力不是十分全面和方便。
2.excel是常用的數據收集軟體，它普及率高，一般人都用過，使用方便，數據收集只需要添寫表格即可，有些數據下載就是用excel文檔保存的。至於數據分析與回歸，excel只能做比較簡單的，稍微復雜一點就要自己編寫程序，有點麻煩，當然如果你覺得編寫程序是小事的話excel是功能最全面的了（程序編寫容易掌握）
3.EViews是專門的計量經濟學軟體，專用於回歸分析。ols以上兩種軟體也可以輕松完成，但是gls、間接ols、兩階段和三階段ols、面板數據回歸分析、時間序列模型調整等等操作，在EViews裡面只需要點選，而不需要很麻煩的手動換算。如果能夠熟練使用EViews的話，可以說這么人的計量水平已經相當不錯了。
其他兩種軟體只聽過沒用過，不敢多說
⑺ 什麼是廣義最小二乘法GLS與普通最小二乘法OLS有什麼區別 請您用較為簡潔的方式回答.
GLS(廣義最小二乘法)是一種常見的消除異方差的方法.它的主要思想是為解釋變數加上一個內權重,從而使得加容上權重後的回歸方程方差是相同的.因此在GLS方法下我們可以得到估計量的無偏和一致估計,並可以對其進行OLS下的t檢驗和F檢驗.
⑻ 求大神指教經濟學中Gls和Ols之間的差別，定義，和優缺點在線等。
GLS(廣義最小二乘來法)是一種常見自的消除異方差的方法.它的主要思想是為解釋變數加上一個權重,從而使得加上權重後的回歸方程方差是相同的.因此在GLS方法下我們可以得到估計量的無偏和一致估計,並可以對其進行OLS下的t檢驗和F檢驗.
⑼ 計量經濟學中的OLS是什麼意思
OLS是ordinary least square的簡稱，意思是普通最小二乘法。普通最小二乘估計就是尋找參數β1、β2……的估計值，使專上式屬的離差平方和Q達極小。式中每個平方項的權數相同，是普通最小二乘回歸參數估計方法。在誤差項等方差、不相關的條件下，普通最小二乘估計是回歸參數的最小方差的線性無偏估計。
用這種方法可以算出計量模型中的參數，它是計量經濟學中最基本，也是用的最多的方法。計算很復雜，你只要把原理搞清楚就可以了。現在都是將數據輸入軟體，由程序來計算的。
如果我沒有記錯的話，這是數學家高斯發明的方法，距今將近兩百年歷史，這個過程後來經過很多數學家改進。當然也有其局限性，當代的數學家又發明了一些新方法，比OLS要復雜很多。