使用 Prais-Winsten 估计时，为什么在 SAS 和 Stata 中得到不同的回归输出？答案

【问题标题】：Why do I get different regression outputs in SAS and in Stata when using Prais-Winsten estimation?使用 Prais-Winsten 估计时，为什么在 SAS 和 Stata 中得到不同的回归输出？
【发布时间】：2016-02-13 01:39:53
【问题描述】：

我的时间序列数据集存在严重的序列相关问题，因此我采用了带有迭代估计的 Prais-Winsten 估计器来解决这个问题。我使用以下命令在 Stata 中进行了回归：

prais depvar indepvar indepvar2, vce(robust) rhotype(regress)

我的同事想在 SAS 中重现我的结果，因此她使用了以下内容：

proc autoreg data=DATA;
model depvar = indepvar indepvar2/nlag=1 iter itprint method=YW;
run;

对于我们运行的不同规格，其中一些大致匹配，而另一些则不匹配。我还注意到，对于每个回归规范，Stata 的迭代次数都比 SAS 多得多。我想知道我（或我同事）的代码是否有问题。

更新

受乔的评论启发，我修改了我的 SAS 代码。

/*Iterated Estimation*/
proc autoreg data=DATA;
model depvar = indepvar indepvar2/nlag=1 itprint method=ITYW;
run;

/*Twostep Estimation*/
proc autoreg data=DATA;
model depvar = indepvar indepvar2/nlag=1 itprint method=YW;
run;

【问题讨论】：

不清楚这里的编程问题是什么。你有在这两种情况下运行的代码。这本质上是一个统计问题，即这些程序的结果是否预期相同，如果它们不同，原因是什么？没有可重复的示例，任何人都很难发表评论。我会在 Stata 和 SAS 论坛上提出这个问题。注意拼写 Prais、Winsten、Stata（均已编辑）。
@NickCox 我认为存在一些编程问题，即 Stata 代码在工作方式上是否与 SAS 代码相同。我不确定它最终会得到一个好的答案——Stata 和 SAS 在这里都没有大量的追随者，尤其是在统计学家方面——但谁知道呢。它可能会在Cross Validated 或各种语言论坛上得到更好的答案，但我认为这也是这里的主题。
Shawn - 方法的值包括 YW 和 ITYW - 我很好奇当你指定后者时会发生什么。在我看来，它们可能有相反的默认值 - STATA 提供选项 twostep 只进行一次迭代，而 SAS 提供 YW 与 ITYW。但是，我不熟悉这种估计，所以我只是从文档中猜测。当您指定 iter 时，它可能会被 method 语句覆盖。
@joe 我从这里得到了iter 部分：link。我根据您的评论修改了代码。系数仍然不完全相同，但YW 结果与twostep 结果大致匹配，ITYW 通常与 Stata 中的迭代估计匹配。非常感谢！

标签： sas time-series regression stata

【解决方案1】：

我有一些建议。请注意，我不是真正的统计学家，也不熟悉这里的具体估算器，所以这只是对文档的快速阅读。

首先，最可能的问题是 SAS 使用 OLS 方差估计方法。也就是说，在您的 Stata 代码中，您有 vce(robust)，这与我阅读 SAS 所使用的相反，相当于 vce(ols)。参见 this page in the docs，它解释了 SAS 如何使用 Y-W 方法进行自回归，而 this doc page 则解释了 Stata 是如何做到的。

其次，您可能不应该指定method=YW。 SAS 区分简单 Y-W 估计（“两步法”）和迭代 Y-W 估计。 method=ITYW 是你想要的。您指定了iter，所以很可能您还是会得到这个，因为 SAS 往往对这类事情很聪明，但最好验证一下。

我建议实际上首先关闭迭代 - 两者都执行两步方法（Stata 选项 twostep，SAS 通过删除迭代请求并指定 method=YW 或没有方法规范）。看看他们在那里匹配得如何。一旦你可以让它们匹配，然后继续迭代； SAS 有可能与 Stata 有不同的截止值，并且很可能不会迭代过去。

我还建议首先尝试仅使用一对自变量和因变量对，因为当您添加第二个自变量时，这两个程序可能会以不同的方式处理事情。总是从简单开始，然后增加复杂性。

【讨论】：