stata回归结果详解stata回归解释(与“回归”相关文档).pptx

stata回归结果详解-stata回归解释数据来源于贾俊平《统计学》(第7版)，第12章多元线性回归第二列SS对应的是误差平方和，或称变差。
1.第一行为回归平方和或回归变差SSR，表示因变量的预测值对其平均值的总偏差。
2.第二行为剩余平方和（也称残差平方和或剩余变差）SSE，是因变量对其预测值的总偏差，这个数值越大，拟合效果越差，y的标准误差即由SSE给出。
3.第三行为总平方和或总变差SST，表示因变量对其平均值的总偏差。
4.容易验证249.37+63.28=312.65

回归系数对多元回归“排除其它变量影响”的解释简单回归和多元回归估计值的比较tw(functiont=tden(20,x),range(-33)),xline(0.172.086)Stata中查临界值和p值6.回归结果的评价7.多重共线性判断回归模型中包含无关变量对于本例，m=4，n=10，因此，dfr=4，dfe=n-m-1=20，dft=n-1=24。
第一行为回归平方和或回归变差SSR，表示因变量的预测值对其平均值的总偏差。
F(df1,df2,x)invF(df1,df2,p)
第二行为残差自由度dfe，等于样本数目减去变量数目再减1，即有dfe=n-m-1；
设正确的模型为Y=0+1X1+2X2+
t0=invttail(20,0.
1、一个变量是另一个变量的常数倍，如同时放入不同度量单位的同一变量
不存在完全共线性假设，允许自变量之间存在相关关系，只是不能完全相关
chi2tail(df,x)invchi2tail(df,p)
简单回归和多元回归估计值的比较
F(df1,df2,x)invF(df1,df2,p)
chi2(df,x)invchi2(df,p)
2、同一变量的不同非线性函数可以成为回归元，如consume~income+income2
出现下列情况，暗示存在多重共线性:
第一行为回归均方差MSR2、同一变量的不同非线性函数可以成为回归元，如consume~income+income2
Adjusted对应的是校正的判定系数
0145294-invttail(20,0.
P值用于说明回归系数的显著性，一般来说P值<0.
normalden(z)
ttail(df,t)invttail(df,p)
Fden(df1,df2,x)
第二列SS对应的是误差平方和，或称变差。
(5)画残差直方图或正态概率图考察误差项的正态性假定是否成立。
0145294-invttail(20,0.
(1)通过模型F检验说明线性关系是否成立。
Ftail(2,702,3.
由Y=0+1X1+v得
第一行为回归均方差MSR
第一行为回归平方和或回归变差SSR，表示因变量的预测值对其平均值的总偏差。ttail(df,t)=p计算单边P值
stata回归结果详解-stata回归解释
t0=invttail(20,0.
chi2den(df,x)
对多元回归“排除其它变量影响”的解释
0195=1-F(2,702,3.
对于本例，m=4，n=10，因此，dfr=4，dfe=n-m-1=20，dft=n-1=24。
备选假设:H1:其中至少一个不等于0
如：ttail(20,0.
第四列MS是均方差，误差平方和除以相应的自由度
备选假设:H1:其中至少一个不等于0
2、同一变量的不同非线性函数可以成为回归元，如consume~income+income2
第一行为回归均方差MSR(2)如果X2与X1不相关，则1的估计满足无偏性与一致性；但这时0的估计却是有偏的。回归分析之联合检验Regyx1-x4

Testx2x3x4

Regyx1