Stata回归简介

2021年2月10日发(作者：挚友的英文)

Stata

回归简介

线性回归的命令有：

regress yx1x2x3

（

以

y

为被解释变量，

x1

，

x2< /p>

，

x3

为解释变量做回归；

regress

后第一个变量为被解释变量）

regressyx1x2x3,robust

（

< br>regressionwithrobuststandarderrors

）< /p>

regressyx1x2x3[aweight=w]

（

WLS

，以变量

w

为权重）

regyx1x2x3,l evel(99)

返回回归报告中

99%

的置信区间。

setlevel97

在以后的回归中都默认返回

97

的置信区间。

regyx1x2x3,noconstant

无常 数回归。

xi:*x2(

被解释变量 为

y

，解释变量为

x1

，

x2

，分类

变量

< p>
catvar

生成的虚拟变量与

x2

的乘积。

xi

可以实现很复杂的带虚拟变量的

回归。可使用

helpxi

命令来了解。

)

regressyx1x2(xz)

（ 工具变量回归，工具变量是

x

和

z

）

regressyx1x2[ifex p][inrange]

（使用满足

[ifexp]

< p>
和

[inrange]

的观测做回

归）

线性回归的典型输出：

Stata

会报告如下结果：方差分解，整体显著性检验的

F

统计量及相应的

p

值，

R

平方，调整后的

R

< p>
平方，

MSE

的平方根（亦即对

< br>σ

的估计）

，系数估计，系

数估 计的标准差，

t

值，显著性检验的

p< /p>

值，置信区间。

回归后可以对系数做假设检验：

对单个参数的检验

testamou nt

（检验

amount

的系数是否显 著）

testamount=1

（检 验

amount

的系数是否为

1

）

对多个参数的检验

testamou ntratio

（零假设为

amount

和

ratio

的系数都不显著）

< /p>

testamount=ratio

（检验

amount

和

ratio

的系数是 否相等）

testamount+ratio=1

< p>
（检验

amount

和

r atio

的系数之和是否为

1

）

回归后一般要做回归分析，检验是否存在异常的观测，以及是否有异 方差，

自相关，

共线性

。回

< p>
归分析

一般依

据回归

残差 进

行。

此时最

重要的

< br>命令是

predict

，可以使用

helppredict

指令来了解它。

predict

命令主要的功能如下：

拟合值相关

predictyhat

（

yhat

是任意指定的变量名，以下 皆如此）

predictnew,stdp

< br>（

standarderrorsofpredictedmeany

< p>
）

回归残差相关

predicte,resid

（

e

是任意指定的变量名）

predicte, rstandard

（标准化的残差，

e

是任意指定的变量名）

predicte,rstuden t

（学生化的残差，

e

是任意指定的变 量名）

predictnew,stdr

（回归残差的标准差

,new

是任意指定的变量名）

观测相关

pre dictnew,cooksd(Cook’sDinfluencemeasures)

predictnew,dfits(DFITSinfluencemeasur es)

predictnew,welsch(welsch’sdistancei nfluen

cemeasures)

这几个指令都给出每个 观测对回归的影响程度。

影响程度越大的观测，

越有