计量经济学及Stata应用案例（一）

最新推荐文章于 2023-06-09 23:51:09 发布

Miss负负

最新推荐文章于 2023-06-09 23:51:09 发布

阅读量2.6w

点赞数 60

文章标签：开发语言线性回归

本文链接：https://blog.csdn.net/weixin_61790598/article/details/125895951

版权

本文详细介绍了多元线性回归模型的概念，包括模型公式、拟合优度（可决系数R^2及其校正形式）、对线性假设的F检验。通过实例展示了如何使用Stata进行回归分析，解释了F值和p值在假设检验中的作用，以及如何判断解释变量的显著性。此外，还讨论了如何检验多个解释变量的联合显著性。最后，通过一个具体的数据分析案例，验证了不同变量对模型的影响，强调了在实际问题中理解回归结果的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

多元线性回归知识总结

模型： $y_{i}=\beta _{1}+\beta _{2}x_{i2}+\beta _{3}x_{i3}+...+\beta _{k}x_{ik}+\varepsilon _{_{i}}$ (i=1,...,n)

其中 $x_{ik}$ 为个体i的第k个解释变量（共有n个个体，k个解释变量）。

由于绝大多数回归方程都有常数项，故 $x_{i1}\equiv 1$ （恒为1）。

拟合优度： $R^{2}$ （可决系数）

$0\leqslant R^{2}\leqslant1$ ， $R^{2}$ 越大，样本回归线对数据的拟合效果越好。

拟合优度的缺点：如果解释变量的数目增加时，则 $R^{2}$ 只增不减，因为至少可以让新增解释变量的系数为0而保持 $R^{2}$ 不变。为此引入校正拟合优度。

校正拟合优度： $\overline{R^{2}}$ （对解释变量过多进行惩罚）

对线性假设的F检验(又称联合显著检验)

目的：整个回归方程是否显著，即除常数项之外，所有回归系数是否都为0。

原假设H0: $\beta _{2}=...=\beta _{k}=0$

F检验方法（一）：

计算显著水平 $\alpha$ 下的临界值 $F_{\alpha }\left ( m,n-k \right )$ ,其中m为线性假设的个数，n为总个体数，k为解释变量的个数， $F_{\alpha }\left ( m,n-k \right )$ 的定义为 $P\left \{ \widetilde{F}> F_{\alpha }\left ( m,n-k \right ) \right \}=\alpha$ ；
Stata中给出F，若F< $F_{\alpha }\left ( m,n-k \right )$ ,即落入左边接受域（接受原假设），反之落入右边拒绝域（拒绝原假设）。

F检验方法（二）：

利用stata中给出的p值

这里要明确p值的意义：原假设可被拒绝的最小显著性水平为此假设检验问题的p值。

若p> $\alpha$ ,则说明原假设可被拒绝的最小显著性水平大于选定的显著性水平 $\alpha$ 或者默认的0.05，故可以接受原假设；

若p< $\alpha$ ,则说明原假设可被拒绝的最小显著性水平小于选定的显著性水平 $\alpha$ 或者默认的0.05，故拒绝原假设。

实例练习

先打开数据集，输入命令d来查看数据的一些信息

（1）stata命令： reg airq vala rain coast density income

（上表各项的含义要掌握！！！）

回归结果：

$airq=0.0008834vala+0.2506988rain-33.3983coast-0.0010734density+0.0005545income+111.9347$

(2) 检验原假设“平均收入对空气质量没有影响”

H0= $\beta _{income}= 0$

stata命令：test income=0

用上述两种方法检验：（ $\alpha = 0.05$ ）

$F_{\alpha }\left ( 1,24 \right )$ =4.26，由于F值0.43<4.26,落入接受域，故接受原假设H0，即平均收入对空气质量没有影响。

p值0.5205>0.05，接受原假设，即平均收入对空气质量没有影响。

（3）上面的知识回顾中有介绍F检验又称联合显著性检验。

检验density和income的联合显著性，即H0: $\beta _{density}=\beta _{income}=0$

stata命令： test density income

$\alpha = 0.05$

$F_{\alpha }\left ( 2,24 \right )$ 为 3.40,F值0.38<3.40,落入左侧接受域，接受原假设，即空气质量指数airq与density和income无关。

p值0.6857大于0.05，接受原假设，即空气质量指数airq与density和income无关。

（4）检验coast和rain的联合显著性，即H0: $\beta _{rain}=\beta _{coast}=0$

stata命令： test rain coast

$\alpha = 0.05$

$F_{\alpha }\left ( 2,24 \right )$ 为3.40，F值5.12>3.40,落入右侧拒绝域，拒绝原假设，即空气质量指数airq与rain和coast都有关。

p值0.0141小于0.05，拒绝原假设，即空气质量指数airq与rain和coast都有关。

（5）所有解释变量的联合显著性检验就是第（1）问方差分析图右上角圈起来的部分

也可再次使用test vala rain coast density income命令

$\alpha = 0.05$

$F_{\alpha }\left ( 5,24 \right )$ 为2.62 ，F值2.98大于2.62，落入拒绝域，拒绝原假设，即airq与vala、rain、coast、density、income都有关系。

p值0.0313小于0.05，拒绝原假设，即airq与vala、rain、coast、density、income都有关系。

（1）stata命令： reg y competitors pop income

回归结果：

$y=-9074.674competitors+0.3546683pop+1.287923income+102192.4$

(2)由第一问的方差分析表可知拟合优度为0.6182（越接近1，拟合效果越佳），该模型 $y=-9074.674competitors+0.3546683pop+1.287923income+102192.4$ 可以较好的拟合已知数据。

competitors变量的p值为0，小于0.05，拒绝 $\beta _{competitors}=0$ 的假设，即competitors对y是有反向影响的。

pop变量的p值为0，小于0.05，拒绝 $\beta _{pop}=0$ ，即pop对y有影响。

income变量的p值为0.025，小于0.05，拒绝 $\beta _{pop}=0$ ，即pop对y有影响。

（3）由回归系数可知，competitors对y毛销售收入有较强的反向影响，pop的系数小于1，income的系数大于1，故三英里居民人数pop对y的影响远小于三英里家庭平均收入。在选址时，应优先选择周围竞争者少的，然后考虑三英里内家庭平均收入（选income大的），在兼顾以上两个主要因素后，最后考虑pop三公里居民人数。