9.多元线性回归模型

回归分析的介绍和分类

相关性不等于因果性

回归分析要去识别和判断哪些自变量是会影响因变量的（哪些有用，哪些无用）

剩下的变量是正相关还是负相关

赋予变量权重，即不同的回归系数（量纲不相同要去量纲）

数据分类以及数据的来源

横截面数据

在某一时间点收集的不同对象的数据 如，问卷数据，某年GDP数据 ，大一学生体测数据

时间序列数据

同一对象在不同时间连续观察取得的数据

如：从出生到现在体重数据，历年GDP数据，某地隔一小时测得温度数据

面板数据

横截面数据与时间序列数据结合起来的

如：2008-2018 各省GDP

数据来源

https://bbs.pinggu.org/ 人大经济论坛（微观）

https://zhuanlan.zhihu.com/p/73901570 知乎110+数据汇总

直接在知乎上搜索 数据来源

对于线性的理解以及内生性问题的探究

一元线性回归

ui是扰动项，无法观测（就是不能当作x一样被测出来）

线性：只要能通过变量转化成线性就可以

都算线性

一个excel小技巧：下拉单元格可以用双击代替

外生性：误差项u和所有自变量x均不相关

内生性：相反 它会导致回归系数的不准确

内生性出现的原因可能是：包含了所有与y相关，但是未添加到回归模型中的变量，简称：遗漏变量

直观反映内生性的蒙特卡洛模拟

x1与u‘越相关，k的偏差越大

实际应用中，只需要保证核心解释变量与扰动量不相关即可

核心解释变量和控制变量

回归系数的解释

β0height一般不考虑

βmheight xmi增加一个单位对yi造成的变化

什么时候取对数？

无固定法则但是有经验

四类模型回归系数解释

详见讲义

特殊自变量：虚拟变量X，如性别、地域

以 研究性别对于工资的影响

详见讲义

一个特殊情况，自变量中含有交互项

实例

Stata操作

评价量共有846个 均值是15800.26 标准差是72869.53

双击变量窗口会直接把变量粘贴到命令窗口里

保存表格

tab段位

tab变量名，gen（A）

A是虚拟变量（类似于0，1二值变量）

用regress拟合后

df是自由度

k是多少个自变量

SST自由度=n-1（846-1=845）

残差自由度（SSE）=n-k-1

联合显著性检验是什么意思？

k个自变量前边的回归系数是不是都为0，让p值小于0.05

若落入拒绝与那就拒绝原假设（因为如果系数小于0这个回归就没有意义）

std是构造t检验统计量的

p1值是显著性检验里的p值（原假设H0：β1=0），表中的p值小于0.05的，都拒绝β=0的原假设

note：G4 omitted because of colliearity

在用tab将定性变量转化为定量变量（0和1）时，往往会将变量个数-1作为对照组，如果原变量数=转化后变量数，那么会出现此行提示，意思为Stata将G4作为对照变量了

标准化回归系数

为了去除量纲影响

步骤：将原始数据减去均舒后除以该变量的标准差，计算得到新的变量值，将新变量构成回归方程称为标准化回归方程

标准化绝对值越大，说明对因变量的影响越大（只需要看显著的自变量，就是0.0几的（？））

beta就是标准化回归系数

β0经过标准化后就会变为0

异方差、多重共线性、逐步回归的介绍

之前的回归分析中，默认扰动项是球型扰动项（满足同方差、无自相关）

如何解决异方差：

使用OLS+稳健的标准误（推荐）

广义最小二乘法

异方差检验：BP检验、怀特检验

逐步回归分析：建议用向后逐步回归

在逐步回归的时候不能有多重共线性，要手动提出再写以上的代码