多元线性回归（数模学习）

如何回归？

step 1.数据处理

将变量进行归一化（比较偏回归系数，讨论贡献率大小）以及避免因变量多重共线性（生成虚拟变量，用stata中函数）

step 2.回归（这里回归主要目的是预测）

在stata中，利用reg函数回归

step 3.检验回归模型

3.1 回归系数的显著性

利用p值检验法

3.2 回归的效果

R方以及  adjustR方（自变量数目太多）的大小（分为解释性回归   ~是否大于零~  和预测性回归 ~是否靠近1~ ）

3.3 干扰项的同方差性，无自相关性

3.3.1 同方差性（方差保持一致）

3.3.1.1初步观察（判断是否为异方差性）:

画散点图:rvfplot （画残差与拟合值的散点图）     rvfplot x（画残差与自变量的拟合图）

3.3.1.2 BP检验（判断干扰项是否与“自变量们”相关）（是怀特检验的一个特例）

stata函数:estat hettest , rhd iid

怀特检验（可以检验任何形式的同方差性，但如果被检验出异方差，不提供具体信息）

stata函数:estat imtest, white

3.3.2 完全多重共线性检验

逐步回归法