用stata做1000次多元线性回归模拟

好的，下面是使用 Stata 进行 1000 次多元线性回归模拟的代码：

clear
set obs 100

gen x1 = rnormal(3, 2)
gen x2 = rnormal(2, 3)
gen u = rnormal(0, 2)
gen y = 2 + 3*x1 + 4*x2 + u

scalar b0 = 0
scalar b1 = 0
scalar b2 = 0

forvalues i = 1/1000 {
    qui reg y x1 x2
    scalar b0 = b0 + _b[_cons]
    scalar b1 = b1 + _b[x1]
    scalar b2 = b2 + _b[x2]
}

scalar b0_mean = b0 / 1000
scalar b1_mean = b1 / 1000
scalar b2_mean = b2 / 1000

display "Mean of b0: " b0_mean
display "Mean of b1: " b1_mean
display "Mean of b2: " b2_mean

在上述代码中，我们首先生成一个样本容量为 100 的数据集，其中解释变量 x1、x2 分别服从正态分布 N(3,2) 和 N(2,3)，扰动项 u 服从正态分布 N(0,2)，回归方程为 y=2+3x1+4x2+u。然后，我们进行 1000 次多元线性回归模拟，每次回归都能得到一个样本回归函数（SRF），并计算这 1000 次回归得到的 2 个解释变量参数以及常数项的平均值。最后，我们输出平均值并进行分析。