经典的模型只对相同频率的变量做回归，但实践中存在不同频率的数据，比如季度、月度、和日度数据等等。如何对不同频率的数据进行分析呢？简单的处理方式是对高频数据进行简单加总或平均成为低频数据，然后再做回归。不过这种做法对高频数据不同期的权重处理过于简单，不能有效地对低频数据进行预测或解释。混频回归（MIDAS regression, Ghysel et al., 2004）则通过对高频变量的自动赋权成为一种流行的方法，在宏观经济、金融市场预测中得到越来越多的应用。
本文介绍Stata的混频回归的新指令：midasreg。
基本语法为：
主要功能包括：
step, Almon PDL, noramlized exponential Almon, normalized Beta等加权函数。
允许多种不同频率的数据。
标准的estat, predict指令，用于模型分析和预测。
包含AR-MIDAS 模型。
模型滞后阶数自动选择，包括信息准则、滚动回归和递归回归三种方法。
案例：季度GDP和月度就业率的趋势图：
混频趋势图：
. midasplot growth if tin(1980q1,2019q4), hvar(dlnemp)
Almon指数加权MIDAS回归：
查看高频滞后变量对应的系数：
STEP加权，选择最优阶数：
详细功能及相应程序、案例数据、操作说明PDF文档，请查看下载方法。
链接：https://pan.baidu.com/s/1IHoxOGXaIOnFfyO62tYVbA
提取码：7brz
为了帮助大家更好的了解Stata软件，特开放试用申请，请自动识别上方二维码，并确保申请信息的正确性，其中 * 号为必填项，我们将通过您提交的电子邮箱地址发送许可信息，感谢您的支持。
Stata 软件订购
北京友万信息科技有限公司作为Stata软件在中国大陆的授权经销商及合作伙伴，希望能给Stata中国用户提供更多服务与支持，并帮助中国用户建立完善的软件售后服务体系。如需Stata V16新版本采购及老版本更新升级请联系我们，感谢您的支持与关注。手机/微信：18610597626 邮箱: crystal@uone-tech.cn。
