STATA 基准回归结果怎么看

以X为自变量   ,制造业结构合理化  ,参考文献得出,X越小越合理

DID为政策实施  ,正相关,  DID结果为负显著,  是不是可以解读为

                                    ==X(负向指标)+DID(正向指标)+负显著=政策实施,越合理

控制变量制造业就业人员占比,理解为负向指标,越小越好  ,     回归结果为正显著,是不是可以解读为==         X(负向指标)+控制变量(负向指标)+正显著=  制造业就业占比越大,X越不合理     ==制造业就业占比小,越合理(是这样解读吗)

(1)

rmis2

DID

-0.2547**

(-2.49)

lnGDP

-0.0080

(-0.17)

lnLDL

0.2701***

(4.34)

lnRD

-0.0046

(-0.30)

lnYD

0.0263**

(2.43)

lnLR

-0.0124

(-1.27)

_cons

-0.0909

(-0.20)

N

2818

adj. R2

0.9579

  • 8
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Stata是一个用于数据分析和统计建模的软件包,可以完成各种各样的分析和建模任务。其中,基准回归分析是其中的一个常见任务,通常用于探索变量之间的关系和预测因变量的值。 下面是一些分析基准回归结果的常见方法: 1. 检查模型的拟合程度:可以使用命令“estat fitstat”查看模型的拟合程度,并根据输出结果来判断模型是否适合数据。 2. 检查变量的显著性:可以使用命令“test”或“lincom”检查变量的显著性,以确定是否存在显著的关系。 3. 检查变量之间的多重共线性:可以使用命令“collin”或“vif”来检查变量之间是否存在多重共线性,并根据结果来决定是否需要删除某些变量。 4. 检查模型的稳健性:可以使用命令“robust”或“cluster”来检查模型的稳健性,并根据结果来判断是否需要采取进一步的措施。 5. 检查残差的正态性:可以使用命令“estat imtest”或“estat ovtest”来检查残差的正态性,并根据结果来判断是否需要采取进一步的措施。 6. 检查是否存在异方差性:可以使用命令“hettest”或“estat hettest”来检查是否存在异方差性,并根据结果来判断是否需要采取进一步的措施。 以上是一些常见的方法,但并不是所有的情况都适用。在实际应用中,需要根据具体数据和问题来选择合适的方法来分析基准回归结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值