目录
基础部分:
适用范围:
1、识别重要变量
2、判断相关性方向
3、估计权重
步骤:
1、确定回归模型,定义自变量和因变量
2、利用最小二乘法对系数进行点估计
3、利用怀特检验去观察扰动项是否存在异方差,使用OLS+稳健的标准误处理
4、分析模型是否存在多重共线性,利用逐步回归进行处理
Stata的学习:
summarize 变量一、变量二~~~变量n 做出数据的描述性统计
tabulate 变量名, gen(A) 把定性数据z转换成以A开头的定量数据
regress y x1 x2 x3 …xk 默认使用OLS计算系数,得到未标准化的结果
regress y x1 x2 x3 …xk,beta 回归结果标准化,去除量纲的影响
rvfplot 画残差与拟合值的散点图
rvpolot x 画残差与自变量x的散点图
estat hettest ,rhs iid 利用BP检验对异方差进行检验
estat imtest , white 利用怀特检验对异方差进行检验
regress y x1 x2 … xk , robust 使用OLS+稳健的标准误对异方差进行处理
estat vif 检测模型是否存在多重共线性
stepwise regress y x1 x2 … xk,pe(#1) 向前逐步回归
stepwise regress y x1 x2 … xk,pe(#2) 向后逐步回归
rvfplot 绘制残差与因变量之间的散点图
rvpplot 绘制残差与自变量之间的散点图