stata回归结果详解PPT课件.pptx
stata回归结果详解PPT课件.pptx
- 配套讲稿：
如PPT文件的首页显示word图标，表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制：
部分文档作品中含有的国旗、国徽等图片，仅作为作品整体效果示例展示，禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词：
- stata 回归 结果 详解 PPT 课件
- 资源描述：
-
stata回归结果详解付畅俭湘潭大学商学院1-数据来源于贾俊平统计学(第7版)，第12章多元线性回归noyx1x2x3x410.967.36.8551.921.1111.319.81690.934.81737.71773.743.280.87.21014.557.8199.716.51963.262.716.22.212.271.6107.410.71720.2812.5185.427.11843.89196.11.71055.9102.672.89.11464.3110.364.22.11142.7124132.211.22376.7130.858.661422.8143.5174.612.726117.11510.2263.515.634146.716379.38.91529.9170.214.80.6242.1180.473.55.91125.319124.75413.4206.8139.47.22864.32111.6368.216.832163.9221.695.73.81044.5231.2109.610.31467.9247.2196.215.81639.7253.2102.2121097.12-3-第二列SS对应的是误差平方和，或称变差。1.第一行为回归平方和或回归变差SSR，表示因变量的预测值对其平均值的总偏差。2.第二行为剩余平方和（也称残差平方和或剩余变差）SSE，是因变量对其预测值的总偏差，这个数值越大，拟合效果越差，y的标准误差即由SSE给出。3.第三行为总平方和或总变差SST，表示因变量对其平均值的总偏差。4.容易验证249.37+63.28=312.65第三列df是自由度（degree of freedom），第一行是回归自由度dfr，等于变量数目，即dfr=m；第二行为残差自由度dfe，等于样本数目减去变量数目再减1，即有dfe=n-m-1；第三行为总自由度dft，等于样本数目减1，即有dft=n-1。对于本例，m=4，n=10，因此，dfr=4，dfe=n-m-1=20，dft=n-1=24。第四列MS是均方差，误差平方和除以相应的自由度1.第一行为回归均方差MSR2.第二行为剩余均方差MSE，数值越小拟合效果越好1.方差分析4-F值，用于线性关系的判定。结合P值对线性关系的显著性进行判断，即弃真概率。所谓“弃真概率”即模型为假的概率，显然1-P便是模型为真的概率，P值越小越好。对于本例，P=0.00000.0001，故置信度达到99.99%以上。R-Squared为判定系数(determination coefficient)，或称拟合优度(goodness of fit)，它是相关系数的平方，也是SSR/SST，y的总偏差中自变量解释的部分。Adjusted对应的是校正的判定系数Root MSE为标准误差（standard error），数值越小，拟合的效果越好2.模型显著性5-回归系数回归系数标准误差T值T值=Coef./Std.Err.P值置信区间置信区间（CI）0.0145294-invttail(20,0.025)*0.0830332=0.0145294-2.086*0.0830332=-0.15867480.0145294+2.086*0.0830332=0.18773353.回归系数检验P值用于说明回归系数的显著性，一般来说P值0.1(*)表示10%显著水平显著，P值0.05(*)表示5%显著水平显著，P值0.01(*)表示1%显著水平显著6-4.系数标准误差计算当自变量只有两个时，R2j就是这两个变量的相关系数(pwcorr x2 x1)的平方7-对多元回归“排除其它变量影响”的解释8-9-简单回归和多元回归估计值的比较.03789471=.0289094+.1678986 *.053516310-tw(function t=tden(20,x),range(-3 3),xline(0.17 2.086)ttail(df,t)=p 计算单边P值双边时P值加倍就行了如：ttail(20,0.17498)*2=0.863 invttail(df,p)=t 计算单边临界值在双边95%置信度，5%显著水平时的临界值为：t0=invttail(20,0.025)=2.0862.0860.17t0t0.0145294-invttail(20,0.025)*0.0830332=0.0145294-2.086*0.0830332=-0.15867480.0145294+2.086*0.0830332=0.18773355.系数置信区间11-Stata中查临界值和p值normalden(z)normal(z)invnormal(p)tden(df,t)t(df,t)invt(df,p)ttail(df,t)invttail(df,p)chi2den(df,x)chi2(df,x)invchi2(df,p)chi2tail(df,x)invchi2tail(df,p)Fden(df1,df2,x)F(df1,df2,x)invF(df1,df2,p)Ftail(df1,df2,x)invFtail(df1,df2,p)Ftail(2,702,3.96)=0.0195=1-F(2,702,3.96)12-6.回归结果的评价(1)通过模型F检验说明线性关系是否成立。(2)回归系数符号是否与理论或预期相一致。(3)通过系数t检验说明y 与x关系统计显著性。(4)用判定系数说明回归模型在多大程度上解释了因变量y 取值的差异。(5)画残差直方图或正态概率图考察误差项 的正态性假定是否成立。13-7.多重共线性判断出现下列情况，暗示存在多重共线性:(1)模型中各对自变量之间显著相关(相关系数检验)。(2)当模型的线性关系F检验显著时，几乎所有回归系数的t 检验都不显著。(3)回归系数的正负号与预期的相反。(4)容忍度(tolerance)与方差扩大因子(variance inflation factor,VIF)。某个自变量的容忍度等于1 减去该自变量对其他k-1 个自变量的线性回归的判定系数，容忍度越小，多重共线性越严重。方差扩大因子等于容忍度的倒数，VIF 越大，多重共线性越严重，一般认为容忍度小于0.1、VIF 大于10 时，存在严重的多重共线性。14-X3的VIF=3.83=1/(1-0.7392)=1/(0.2608)=1/容忍度15-不存在完全共线性假设，允许自变量之间存在相关关系，只是不能完全相关1、一个变量是另一个变量的常数倍，如同时放入不同度量单位的同一变量2、同一变量的不同非线性函数可以成为回归元，如consumeincome+income2但ln(consume)ln(income)+ln(income2)共线性，应为ln(consume)ln(income)+(lnincome)23、一个自变量是两个或多个自变量和线性函数16-回归模型中包含无关变量17-遗漏变量偏误18-遗漏遗漏相关变量偏误相关变量偏误 采用遗漏相关变量的模型进行估计而带来的偏误称为遗漏相关变量偏误遗漏相关变量偏误（omitting relevant variable bias）。设正确的模型为 Y=0+1X1+2X2+却对 Y=0+1X1+v进行回归，得19-将正确模型 Y=0+1X1+2X2+的离差形式 代入得(1)如果漏掉的X2与X1相关，则上式中的第二项在小样本下求期望与大样本下求概率极限都不会为零，从而使得OLSOLS估估计量在小样本下有偏，在大样本下非一致计量在小样本下有偏，在大样本下非一致。20-(2)如果X2与X1不相关，则1的估计满足无偏性与一致性；但这时0的估计却是有偏的。由 Y=0+1X1+v 得由 Y=0+1X1+2X2+得如果X2与X1相关，显然有如果X2与X1不相关，也有Why?21-22-23-24-25-回归分析之联合检验无约束模型：约束后面q个变量：原假设：备选假设:H1:其中至少一个不等于0检验F统计量：26-Reg y x1-x4Test x2 x3 x4Reg y x127-展开阅读全文
咨信网温馨提示：1、咨信平台为文档C2C交易模式，即用户上传的文档直接被用户下载，收益归上传人（含作者）所有；本站仅是提供信息存储空间和展示预览，仅对用户上传内容的表现方式做保护处理，对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿，我们不确定上传用户享有完全著作权，根据《信息网络传播权保护条例》，如果侵犯了您的版权、权益或隐私，请联系我们，核实后会尽快下架及时删除，并可随时和客服了解处理情况，尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确)，网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据，个别因单元格分列造成显示页码不一将协商解决，平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺，下载前须认真查看，确认无误后再购买，务必慎重购买；若有违法违纪将进行移交司法处理，若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传，付费前请自行鉴别，如您付费，意味着您已接受本站规则且自行承担风险，本站不进行额外附加服务，虚拟产品一经售出概不退款（未进行购买下载可退充值款），文档一经付费（服务费）、不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印，是因预览和防盗链等技术需要对页面进行转换压缩成图而已，我们并不对上传的文档进行任何编辑或修改，文档下载后都不会有水印标识（原文档上传前个别存留的除外），下载后原文更清晰；试题试卷类文档，如果标题没有明确说明有答案则都视为没有答案，请知晓；PPT和DOC文档可被视为“模板”，允许上传人保留章节、目录结构的情况下删减部份的内容；PDF文档不管是原文档转换或图片扫描而得，本站不作要求视为允许，下载前可先查看【教您几个在下载文档中可以更好的避免被坑】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用；网站提供的党政主题相关内容(国旗、国徽、党徽－－等)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
6、文档遇到问题，请及时联系平台进行协调解决，联系【微信客服】、【QQ客服】，若有其他问题请点击或扫码反馈【服务填表】；文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“【版权申诉】”，意见反馈和侵权处理邮箱：1219186828@qq.com；也可以拔打客服电话：0574-28810668；投诉电话：18658249818。
实名认证
平台协调中心【客服】
自信AI助手
微信客服
客服QQ
发送邮件
意见反馈
链接地址：https://www.zixin.com.cn/doc/777597.html