【Stata基础】第二章简单线性回归模型

最新推荐文章于 2024-08-05 09:36:48 发布

memcpy0

最新推荐文章于 2024-08-05 09:36:48 发布

阅读量1.7w

点赞数 26

分类专栏：编程语言和语言哲学

本文链接：https://blog.csdn.net/myRealization/article/details/105105708

版权

文章目录

一、练习
二、线性回归模型
- 1. 初步探索
- 2. 简单OLS回归(最小二乘法)
三、二次式模型
四、对数线性模型
五、指示变量回归
六、练习

一、练习

列出价格大于6000的国产汽车的价格

sysuse auto, clear
list price if price > 6000 & foreign == 0

给出1978年维修记录少于3次或产地为国外的汽车价格和重量的描述性统计信息
```
sum price weight if (rep78 < 3 | foreign == 1)
```
本数据中有多少辆国产汽车价格大于6000？
```
count if price > 6000 & foreign == 0
```
列出 price wei len mpg turn foreign 变量的均值，标准差，中位数，最大值，最小值（对于这种要求，将一系列统计量以一张表格的形式展现出来更合适）
```
tabstat price wei len mpg turn foreign, stat(mean sd median max min)
```
按国产和非国产为标准分类对price wei 进行描述性统计
```
by foreign : sum price wei
```
将数据按照价格进行升序和降序排列
```
gsort price
gsort -price
```
删除1978年维修记录缺失的数据
```
drop if rep78 == .
```
将字符型变量make转换成数值型变量cenmake
```
encode make, gen(cenmake)
```
将price 转化成字符型变量
```
tostring price, replace
```
将price 转化成数值型变量
```
destring price, replace
```

生成一个虚拟变量，其中价格大于6000为1，否则表示为0

gen vari = 1 if price > 6000
replace vari = 0 if price <= 6000
//这样比较麻烦，可以写成如下语句
gen dum_price = price > 6000

给出price wei len mpg 相关系数矩阵
```
pwcorr price wei len mpg
```
画出price wei len mpg 的相关系数矩阵散点图（graph是最需要掌握的画图命令）
```
graph matrix price wei len mpg
```
画出price频率直方图
```
histogram price, frequency
```
画出price和weight的散点图
```
scatter price weight
```
给price 和weight散点图加上price和wei的拟合线
```
twoway (scatter price weight) (lfit price weight)
```

二、线性回归模型

做一个简单的OLS回归，其中被解释变量为price,解释变量为weight foreign

1. 初步探索

cd D:\Stata_Projects  //进入存储数据的工作目录
use "food.dta", clear  //使用这个数据集

* 得到数据之后，一般先浏览，检查数据，并看变量的描述性统计信息
* 画出food_exp与income的散点图，并保存
twoway (scatter food_exp income)
* 保存图片, 如果有了就替代
graph save food1, replace 
* 一步到位
twoway (scatter food_exp income), saving(food1, replace)

* 更丰富的画图功能, 使用help graph就可以查看到
twoway (scatter food_exp income) ///  /* 基本语句，画什么的散点图 */
	   (lfit food_exp income), ///    /*拟合线*/
       ylabel(0(100)600)         ///  /* Y轴的刻度从0到600，间隔为100 */           
	   xlabel(0(5)35)            ///  /* X轴刻度0-35，间隔5 */
	   title(食物消费数据)   /// /* 图片名字 */
	   xtitle(每周收入)   ///
       ytitle(每周家庭食物花费)
* 还有更多的画图内容可以学习，图片的保存等也可以直接点击图片操作

2. 简单OLS回归(最小二乘法)

* food_ex = coef * income + ... 对income进行回归
regress food_exp income

* 计算y的拟合值，这里的y是food_exp'; xb是计算线性拟合值
predict yhat, xb  //calculate linear prediction
* 计算残差项的拟合值
predict ehat, residuals 
browse

* 做预测，预测其他的收入情况在该模型中的食物支出
* 例如，预测家庭每周收入2000$的家庭，每周食物支出
set obs 41 //本数据有40个观测值，我们多加一个观测值，但是没有定义具体观测值内容，它目前是缺失
replace income = 20 in 41 //将收入第41个观测值替换成20百
predict yhat1, xb
list yhat1 in 41

* 保存dta文件
* 直接点save菜单，或者输入下面命令
save "newfood.dta", replace

三、二次式模型

$y=\beta _1+ \beta_2*x^2 + e$

最低0.47元/天解锁文章