多元回归分析（线性回归）

一、回归的基本理解

（1）回归的基本任务

回归分析是数据分析中最基础也是最重要的分析工具，它通过研究自变量X和因变量Y的相关关系，尝试去解释Y的形成机制，进而达到通过X去预测Y的目的。

（2）回归里的关键词

这里涉及到三个重要的关键词：相关性、自变量X、因变量Y
同时需要注意的是相关性与因果性的区别：
我们使用回归分析的结果只是一个相关性的答案，并不是因果关系。在绝大多数情况下，我们没有能力去探究两件事之间发生的严格因果关系、不能很绝对的说这件事的发生是因为这件事导致的，所以我们只能退而求其次，改成通过回归分析，去研究两者的相关关系，也就是说这件事的发生和另外一件事有关联。

因变量Y
因变量Y就是我们研究的核心变量，因变量Y一般可以分为以下几种数据类型

1. 连续数值型变量：经济学家研究经济增长的决定因素，那么这个因变量Y可以选择GDP增长率
2. 0-1型变量：P2P公司要研究借款人是否能按时还款，那么因变量Y可以涉及成一个二值变量，Y=0表示可以还款，Y=1表示不能还款
3. 定序变量：在网店的评价等级，一星表示非常差劲，二星表示一般，三星表示合格，四星表示还可以，五行表示很满意
4. 计数变量：在管理学FRM模型中，F代表一定时间内，客户到访的次数，次数其实就是一个非负的整数
5. 生存变量：研究某个产品的使用寿命、企业寿命、人的寿命，这类型数据往往不能精确的观测到，例如需要研究吸烟对于寿命的影响，那么样本中的老王60岁，那么他的寿命就可以记为60+

自变量X
X是解释Y的相关变量，Y为被解释变量，即X为解释变量、Y为被解释变量。

通过以上的分析，回归的分析的任务就是完成3个任务：

1. 选择（识别）重要的变量：哪些变量是真的同Y相关，哪些不是
2. 判断相关性的方向：就是X变量通Y变量的相关性为正相关还是负相关
3. 估计权重：赋予不同的自变量X不同的权重，通过回归后的系数，得出不同变量之间的相对重要性

（3）回归里的数据类型

1. 横截面数据：在某一时间点收集的不同对象的数据；例如：发放的调查问卷、全国个省份2018年的GDP数据
2. 时间序列数据：对同一对象在不同时间连续观察所取得的数据；例如：从出生到现在你的身高数据，中国历年来的GDP数据
3. 面板数据：横截面数据与时间序列数据综合起来的一种数据资源；例如2008-2018年我国个省份的GDP数据

针对与不同的数据会使用不同的解决和处理方法

在这我们仅讨论横截面数据的处理，即多元线性回归。

（4）回归方程中的系数解释

主要分为四类模型的回归系数解释：

1. 一元线性回归

2. 双对数模型

3. 半对数模型（对自变量）

4. 半对数模型（对因变量）
   这里会涉及一个解释变量取对数的情况：
   什么时候取对数？
   

（5）扰动项要满足的条件

一般我们设计的线性回归方程长这样：

在回归中需要扰动项是球形扰动，球形扰动就是要求满足”同方差“和”无自相关“两个条件。

条件一：同方差：

即对于任意的i j，当i=j时，他们的协方差相等。

条件二：无自相关
扰动项和回归里的解释变量没有相关性。

PS：

1. 横截面数据容易出现异方差问题
2. 时间序列数据容易出现自相关问题

（1）异方差的检验（同方差要求）

BP检验

在回归后使用Stata命令
estat hettest ,rhs iid