⑴ STATA如何实现固定效应模型的OLS和GLS回归分析
菜鸟最好用eviews去做，简单一些
stata编程复杂一些
⑵ 计量经济学ols法回归结果中"值"指的哪个数值
这个问题说实话，模糊的让人不知道如何回答。
OLS 回归结果有很多值，每一个专值都有不同的检属验意义。
笼统的说，
1. 一般会看R 值，或者是有调整的R值。这个是数值是检验整个模型拟合的好坏。
2. 各个自变量的 系数值，这些数值是否在方向上是合乎预期的。其给出了这个自变量对因变量的影响的大小。
3. 系数值的P值。得到系数值后，在统计上是否显著，也是要考量的。如果P值一般大于0.1 就说明，自变量与因变量在统计上是没有联系。
4.有特别考察需要的，会看标准差值，如果标准差值过大，可能数据有需要调整的地方，如处理离群值。
5. 其他检验数据值，如 D-W 值，这个数值一般接近于2 是最好，如果过小或者过大，都说明模型存在自相关的问题。
以上仅是大多数实证分析会在文章中有说明的数值。
⑶ 计量经济学问题求详解～
有点奇怪，这本书为什么对OLS估计量使用了矩阵形式，而在后面对OLS估计量内的方差估计量却使用标量容呢（注意beta下面的序号），如果题主所疑惑的C在前文没有任何交代，那么这本书则纯属误认子弟。其次，这本书似乎几个概念都没有搞清，比如参数OLS估计的方差那栏，估计量的方差本身应该是VAR（）,如果加了^符号，则表明是方差的估计量，之所以使用估计量，是因为误差的方差（sigma的平方）不知，用它的无偏估计量残差平方和除以自由度代替的，所以这栏准确的说应该叫OLS估计量的方差的估计量。
下面回答题主两个问题：
题主疑惑的两个C是一样的，上面那个是OLS估计量的方差的估计量，下面计算的是方差估计量的标准差，也就是上面的值开根号。
这里的C不太好看，也不易理解。事实上，接着OLS估计量的矩阵形式往下推演，在经典假设下（误差满足球形扰动），OLS估计量的方差矩阵应该[（X'X)^(-1)][sigma^2]（不满足前提假设，左边括号的内容有变），X是n*k的矩阵（k为beta参数的个数，n为样本数），X’是k*n的矩阵，C=[（X'X)^(-1)]是k*k的矩阵，于是Cjj可以看作C矩阵对角线的元素。
⑷ GLS在EVIEWS上的实现
两种方法：
1.蠢且勤快的方法：在回归结果窗口中按Estimate，改变你的回归项回分别为“答y*1/abs(resid) x1*1/abs(resid) x2*1/abs(resid)……”，当然要在做完你的OLS后马上做，否则你的resid序列就不是你所要的误差序列了。
2.聪明且懒的方法：你先用你所需要用的变量做一下OLS回归，然后在回归结果窗口里按Proc，选择下拉菜单里面的Make resial Serias，给个单字母的序列名字，这样可以生长一个误差序列，然后再在你的回归结果窗口中按Estimate选择Options，在Weighted LS/TSLS前画挑，并且在Weight后面的空白处填写：1/abs（刚才起的序列名字）然后就ok了。
我用的是EViews5，如果你用的是3.0那么我叫不准是不是和我所给的选项位置一样，不过英文表达一样是一样的
⑸ 计量经济学中的普通最小二乘法（OLS）的4个基本假设条件是什么
计量经济学中的普通最小二乘法（OLS）的4个基本假设条件分别为：
1、解释变量是确定变量，不是随机变量。
2、随机误差项具有零均值、同方差何不序列相关性。
3、随机误差项与解释变量之间不相关。
4、随机误差项服从零均值、同方差、零协方差的正态分布。
通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。
(5)计量经济学中OLS和GLS扩展阅读：
在我们研究两个变量（x,y）之间的相互关系时，通常可以得到一系列成对的数据（x1，y1，x2，y2... xm，ym）；将这些数据描绘在x -y直角坐标系中，若发现这些点在一条直线附近，可以令这条直线方程。
在回归过程中，回归的关联式不可能全部通过每个回归数据点（x1，y1，x2，y2...xm，ym），为了判断关联式的好坏，可借助相关系数“R”，统计量“F”，剩余标准偏差“S”进行判断；“R”越趋近于 1 越好；“F”的绝对值越大越好；“S”越趋近于 0 越好。
R = [∑XiYi - m （∑Xi / m）（∑Yi / m)]/ SQR{[∑Xi2 - m （∑Xi / m)2][∑Yi2 - m （∑Yi / m)2]}
m为样本容量，即实验次数；Xi、Yi分别为任意一组实验数据X、Y的数值。
⑹ 几个计量经济学软件的比较
只说我用过的吧，没用过的不敢品评
1.spss具有非常强的统计分析功能，专适合于为计量属分析做事前处理，比如多元变量降维，即数据收集、整合、假设检验等等工作，做回归分析spss的能力不是十分全面和方便。
2.excel是常用的数据收集软件，它普及率高，一般人都用过，使用方便，数据收集只需要添写表格即可，有些数据下载就是用excel文档保存的。至于数据分析与回归，excel只能做比较简单的，稍微复杂一点就要自己编写程序，有点麻烦，当然如果你觉得编写程序是小事的话excel是功能最全面的了（程序编写容易掌握）
3.EViews是专门的计量经济学软件，专用于回归分析。ols以上两种软件也可以轻松完成，但是gls、间接ols、两阶段和三阶段ols、面板数据回归分析、时间序列模型调整等等操作，在EViews里面只需要点选，而不需要很麻烦的手动换算。如果能够熟练使用EViews的话，可以说这么人的计量水平已经相当不错了。
其他两种软件只听过没用过，不敢多说
⑺ 什么是广义最小二乘法GLS与普通最小二乘法OLS有什么区别 请您用较为简洁的方式回答.
GLS(广义最小二乘法)是一种常见的消除异方差的方法.它的主要思想是为解释变量加上一个内权重,从而使得加容上权重后的回归方程方差是相同的.因此在GLS方法下我们可以得到估计量的无偏和一致估计,并可以对其进行OLS下的t检验和F检验.
⑻ 求大神指教经济学中Gls和Ols之间的差别，定义，和优缺点在线等。
GLS(广义最小二乘来法)是一种常见自的消除异方差的方法.它的主要思想是为解释变量加上一个权重,从而使得加上权重后的回归方程方差是相同的.因此在GLS方法下我们可以得到估计量的无偏和一致估计,并可以对其进行OLS下的t检验和F检验.
⑼ 计量经济学中的OLS是什么意思
OLS是ordinary least square的简称，意思是普通最小二乘法。普通最小二乘估计就是寻找参数β1、β2……的估计值，使专上式属的离差平方和Q达极小。式中每个平方项的权数相同，是普通最小二乘回归参数估计方法。在误差项等方差、不相关的条件下，普通最小二乘估计是回归参数的最小方差的线性无偏估计。
用这种方法可以算出计量模型中的参数，它是计量经济学中最基本，也是用的最多的方法。计算很复杂，你只要把原理搞清楚就可以了。现在都是将数据输入软件，由程序来计算的。
如果我没有记错的话，这是数学家高斯发明的方法，距今将近两百年历史，这个过程后来经过很多数学家改进。当然也有其局限性，当代的数学家又发明了一些新方法，比OLS要复杂很多。