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