目录
主要用途：
1.考查多个自变量与因变量的关系，同时获得其影响
2.考察控制一个或多个额外变量之后，一个或多个自变量与因变量的关系（层次回归/序列回归/R2改变量：自变量通过逐层进入方程，通过查看R2改变量即可了解新增加变量对因变量的影响程度）
3.考察新增一个或多个额外变量之后，新增的一个或多个自变量与因变量的影响大小
4.从多个自变量选出对因变量影响最大的几个自变量（逐步回归）
常见的回归分析有五类：线性回归、0‐1回归、定序回归、计数回归 和生存回归。
这就是回归分析要完成的三个使命：
第一、识别重要变量；
第二、判断相关性的方向；
第三、要估计权重（回归系数）
线性回归
多种数据类型处理方法
宏观数据：知乎上搜“数据查找”
微观数据：在人大经济论坛搜索 https://bbs.pinggu.org
一元线性回归
使用线性回归模型前，先进行预处理
excel预处理：直接=要处理的数据和指令
回归系数解释
内生性，外生性
核心变量，控制变量
取对数
四种模型回归系数解释
虚拟变量
如果自变量中有定性变量，例如性别、地域等，在回归中要 使用虚拟变量
为了避免完全多重共线性的影响，引入虚拟变量的个数一般是分类数减1。
含有交互项的自变量
stata
数据的描述性统计
excel数据透视表（作图）
stata回归
1）regress y x1 x2 … xk
2）标准化回归
regress y x1 x2 … xk,beta
拟合优度R2太低
标准化回归系数
扰动项
异方差
检验异方差
stata
拟合出现负数原因
异方差假设检验
1）BP检验：Stata命令（在回归结束后使用）
estat hettest ,rhs iid
结果
2）怀特检验：Stata命令（在回归结束后使用）
estat imtest,white
结果：与0.05对比
异方差处理方法（加上推荐）
使用OLS + 稳健的标准误
regress y x1 x2 … xk,robust
检测多重共线性 在回归后
estat vif
多重共线性 解决
一般还是直接删数据
逐步回归分析
向前逐步回归Forward selection： stepwise regress y x1 x2 … xk, pe(#1)
向后逐步回归Backward elimination： stepwise regress y x1 x2 … xk, pr(#2)
#1,#2表示一个数，如果是向前的话，太严格就加不进来变量 ，增大#1，就可以增加变量数目， 如果是先后的话太严格就剔除不了变量，那基本都留下来了，可以减小#2，
注意
4955
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
