stata回归结果详解-stata回归解释.ppt

《stata回归结果详解-stata回归解释.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、stata回归结果详解付畅俭湘潭大学商学院数据来源于贾俊平《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

2、.211.22376.7130.858.661422.8143.5174.612.726117.11510.2263.515.634146.716379.38.91529.9170.214.80.6242.1180.473.55.91125.319124.75413.4206.8139.47.22864.32111.6368.216.832163.9221.695.73.81044.5231.2109.610.31467.9247.2196.215.81639.7253.2102.2121097.1第二列SS对应

3、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（degreeoffreedom），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

4、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=0.0000<0.000

5、1，故置信度达到99.99%以上。R-Squared为判定系数(determinationcoefficient)，或称拟合优度(goodnessoffit)，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RootMSE为标准误差（standarderror），数值越小，拟合的效果越好2.模型显著性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)*0.08

6、30332=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(pwcorrx2x1)的平方对多元回归“排除其它变量影响”的解释简单回归和多元回归估计值的比较.037894

7、71=.0289094+.1678986*.0535163tw(functiont=tden(20,x),range(-33)),xline(0.172.086)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=0.863invttail(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)*0.083033

8、2=0.0145294-2.086*0.0830332=-0.15867480.0145294+2.086*0.0830332=0.18773355.系数置信区间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(