求高手分析stata回归分析结果

1. 求高手分析stata回归分析结果

上面左侧的表是用来计算下面数据的，分析过程中基本不用提到
右侧从上往下
1.Number of obs 是样本容量
2.F是模型的F检验值，用来计算下面的P>F
3.P>F是模型F检验落在小概率事件区间的概率，你的模型置信水平是0.05，也就是说P>F值如果大于0.05，那么模型就有足够高的概率落在F函数的小概率区间，简单的说，如果这个值大于0.05你这个模型设定有就问题，要重新设定模型
4.R-squard也就是模型的R²值，拟合优度，这个数越大你的模型和实际值的拟合度就越高，模型越好
5.Adj .R-squard 这个是调整过的R²，跟上面R²差不多，关注一个就行了
6.Root mse 是残差标准差，值越大残差波动越大，模型越不稳定（这个值我分析的时候一般不太关注）
下侧表格
coef.是估计得到的系数值
std.err是标准差，这个数有重要意义，一般论文里都要求把标准差表示出来，这个数越大模型越不精确，越小越好
t是t检验值，t检验是用来检验某个系数是否显著区别于0的，在分析中这个值一般没什么意义，主要用来计算P>t
P>t,这个值是观察某个解释变量是否有效的主要参数，还是对于你设置的0.05的置信水平，如果这个值大于0.05说明对应的解释变量不能通过t检验，在模型中是不合格的，就需要作调整
后面两个就是置信区间了，95%的置信区间，一般在论文中意义也不大
然后分析就选取你有用的参数做了，我学经济的，一般最有用的参数就是P>F,coef，P>t，se等等，还有BIC,VIF这些，在简单回归里这些是不会计算的，需要其他命令

2. stata回归分析结果怎么看?

stata回归分析结果可以这样看：
1、看到Sig.P数值，如果数值小于0.05则说明有显著影响。
2、找到R Square数值，该自变量能够解释异变数的变异值，如显示0.763则表示两者76.3%的概率相关联。
3、找到线性值DW，查DW分布表，找到DW属于1.240~1.556之间。例如DW=1.589大于1.556，则说明不存在相关性。

回归分析使用条件：
1、线性趋势：因变量与自变量存在线性关系，一般通过散点图卡宴看出呈现一条直线。
2、满足独立性条件：因变量和因变量之间需要相互独立。
3、满足正态性：对自变量的任一个线性组合，因变量均服从正态分布。
4、满足方差齐性：方差不齐可进行加权的最小二乘法。

3. stata回归分析结果怎么看？

stata回归分析结果看法如下：
操作设备：戴尔笔记本电脑
操作系统：win10
操作程序：stataSE 15。
1、首先生成一个自变量和一个因变量。

2、点击Statistics|linear model and related|linear菜单。

3、在弹出的regress中设置相关变量，然后再点确定。

4、在结果界面中，cons为.5205279表示回归截距，说明回归方程具有统计学意义。

5、在弹出的avplot/avplots中，选择“all variables”，点确定即可。

4. stata回归分析结果怎么看?

结果显著就是回归系数显著地不等于0.所以是看P值。回归时，得到一个系数，这个系数一般是不等于0的。但是，系数计算出来后，会给出一个误差。
你看后面误差范围，如果中间有0，比如，在－1.5到2.0之间，这是给定的在一定概率范围内的系数可能取值范围。
一般你不做修改的话，这个概率默认是95%。也就是你回归结果前面的系数有95%的概率落在这之间。如果你的回归结果数值在这个范围内比较接近于0，那么统计上可能推断比如有35.6%的可能性是0，那这个结果就不显著，即P值为0.356就不显著。所以看的是P值，而不是系数。

用最小二乘法计算出公式：
（函数的形式可以由经验、先验知识或对数据的直观观察决定，或者直接使用多项式）里的系数，拟合就完成了，但是回归的工作还没有结束，还需要去研究这些系数（这个公式）的可信度，每个系数对因变量的影响，因为回归分析认为真正的拟合系数应该是一个随机变量而非确值。
拟合用最小二乘求出来的这些系数只是对真正系数的一个点估计，所以有必要继续去研究区间估计或者假设检验。总之，拟合只是求出一条曲线能反映数据的趋势就行了，但是回归的要求是更高的更精确的。

5. stata怎么做回归分析？

用reg命令就可以了，例：reg X Y Z J U
回车就可得到结果。其中x是因变量，自变量列于因变量后面，可以进行各种检验。
如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且自变量之间存在线性相关，则称为多重线性回归分析。

统计功能
Stata的统计功能很强，除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。具体说， Stata具有如下统计分析能力：
数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。
以上内容参考：百度百科-stata

6. stata回归结果怎么看？

需要准备的工具：电脑，stataSE 15。
1、首先生成一个自变量和一个因变量。

2、点击Statistics|linear model and related|linear菜单。

3、在弹出的regress中设置相关变量，然后再点确定。

4、在结果界面中，_cons为.5205279表示回归截距，说明回归方程具有统计学意义。

5、在弹出的avplot/avplots中，选择“all variables”，点确定即可。

7. 求分析STATA回归分析的结果

1.写出拟合方程  Y=0.0439636-0.1104272ret+0.3015505drret+0.0003205vr+0.0130717drvr+0.0061625retvr+0.0501226drretvr
2. 检查参数的符号（正号/负号）是否符合你要建立模型的基本理论
3. 表1   第一列，ss 从上到下分别代表 回归平方和（ESS)、残差平方和（RSS）、总离差平方和（TSS）       第二列为自由度  第三列不记得了
4. 表2  分别为 观测值、F值、P{P>F}值、R^2、调整后的R^2 、残差标准差hatδ，我觉得可以看调整后的R^2，但影响不大。  你的P值=0，说明不是联合显著
5. 表3  第一列为参数值，我已经给你写出。 第二列为标准误，一般在输出结果时要在参数下用括号写出标准误。第三列为t值，第四列为P值，看它是否显著应先看t在临界值之内还是之外、再看P值吧。你的t值全都小于1.96，好像是在95%的显著水平上不显著的吧。你查查表。 最后两列表示95%的置信区间哦。
6. 你可以截屏放在word里，我一直是这样做的
7. 你的估计参数是不是有点多了呢，我觉得需要改进下，提高显著性

8. 跪求STATA回归分析数据分析！

1. 一般回归方程就是把显著的自变量的非标准化beta系数作为自变量的系数，加常数，加未能预测的随机变量（那个希腊字母打不来，伊普斯隆差不多是这么念的，你应该知道的）

2.标准化的回归方程就是用标准化的beta系数做系数，其它不变

3.
adj R²就是调整R²，就是你的模型拟合度，由于R²在小样本中会引起拟合度的高估，所以大家一般都用adj R²说明问题
coef.就是coefficient，系数的意思，全称就是beta coefficient（你这个地方可能是unstanderised），beta系数，就是1.和2.里面我说的那个东西
P>|t|就是t值显著性，是一个概率，表示自变量是否的确在影响因变量的一个值，社会学中通常认为P>.05是比较显著，大于.01是一般显著，>.001是非常显著
beta前面那个符号看不清楚，不知道是不是sd，估计就是标准化之后的回归系数
std. error就是标准误，这个自己百度百科讲得比我清楚多了！