?为检验规模报酬不变的原假设，输入命令： ?test lnq=1
（12）联合检验
?回归方程还显示，变量lnpl, lnpk与lnpf的系数之和应该等于1。为此，可以检验以下联合假设：
?test (lnq=1)(lnpl+lnpk+lnpf=1)
?由于lnpl与lnpk均不显著，我们希望对其显著性进行联合检验： ?test lnpl lnpk
（13）自助标准误
?有时估计量的标准误没有解析表达式，可使用“自助标准误”(bootstrap standard error)。
?自助法是一种有放回的再抽样(resampling)，保持样本容量不变。 ?使用自助法得到原始样本的B个自助样本（比如B=1000），对每个样本进行估计，得到1000个估计值，并计算这1000个估计值的标准差。 ?reg lntc lnq lnpl lnpk lnpf,vce(bootstrap)
?reg lntc lnq lnpl lnpk lnpf, vce(boot,reps(1000) seed(10101) nodots)
?选择项“reps(1000)”表示抽取1000个自助样本（Stata默认50个，太少了） ?选择项“seed(10101)”表示随机数的种子为10101（为了以后能复制此结果） ?选择项“nodots”表示不显示抽样过程的点（一个点表示一个自助样本） 23、案例说明
（1）时间变量与时间趋势图 ?use icecream.dta,clear
?tsset time （宣布时间变量）
?graph twoway connect consumption temp100 time,msymbol(circle) msymbol(triangle)
?其中，变量temp100为temp/100，选择项“msymbol(circle) msymbol(triangle)”表示“图标”(marker symbol)分别为圆圈与三角形。 （2）OLS回归
?reg consumption temp price income （3）自相关检验 ?estat bgodfrey
（4）Newey-West回归
?如果扰动项存在自相关（常见于时间序列数据），仍可用OLS来估计回归系数，但应使用“异方差自相关稳健的标准误”(Heteroskedasticity and Autocorrelation Consistent Standard Error，简记HAC)，即在存在异方差与自相关的情况下也成立的稳健标准误。 HAC标准误
?HAC标准误的核心是估计各阶自相关系数，并以此校正标准误（表达式较复杂）。
?如果样本容量为n，则(n-1)阶自相关系数只有一个观测值，无法准确估计。 ?解决方法：确定截断参数(truncation parameter) p=n1/4或p=0.75n1/3，再取整数。
“Newey-West估计法”(Newey and West, 1987)，它只改变标准误的估计值，并?
不改变回归系数的估计值。也称“Newey-West标准误”。
?由于扰动项存在自相关，故应使用异方差自相关稳健的标准误。由于n^(1/4)=30^(1/4)=2.34，故取截断参数为p= 3： ?newey consumption temp price income,lag(3)