一：问题描述
用Stata语言编程软件导出数据结果后，如何分析数据结果代表的是什么呢？[如图1所示数据结果图]
图1
二：解决方案—— Regress一元回归分析
[选取变量：CEO的工资与公司股本回报率之间的关系]
- 回归分析：在命令窗口输入命令语“reg+因变量+自变量"
- 回归结果分析：分3部分
- 方差分解
- 回归分析整体质量的汇报
- 回归系数
图2
- 回归结果分析：（见图2中的结果数据）
- coef.汇报的是系数结果
- salaryhat=(963.19+18.5)*roe， 说明roe每增加一个单位，salary就增加18.5个单位；
- t ratio: 用来检验系数是否显著的假设检验统计量【t ratio=(18.5-0)/11.12】
- 可以将t统计量与1.96比，那么α(Alpha)取5%；也可以将t统计量与10%临界值比（1.5几）；那么在5%的水平上不能拒绝原假设，但是10%的水平上是拒绝原假设的。
- 5%<P(=0.098) <10%，那说明在10%的水平上拒绝原假设，但是5%的水平上是不能拒绝原假设的。
- conf.interval中α(Alpha)取5%得出来的执行区间，上界是40.3，下界是-3.42；那么很显然在5%的水平上，0是属于这个执行区间的。所以在95%的水平上，不能拒绝β1=0原假设。
- Model 5166419.04所反映的是回归方程所解释的数据变差部分；
- Residual 386566563残差平方和；
- df: degree of freedom 表示各自对应的自由度;
- MS=SS对应数值 / 自由度，算出的结果表示所对应的均方；
- Number of obs 209表示有209个观测值；
- R-squared 0.0132表示R的平方=0.0132，解释为：1.32%数据总的变差可以被回归所解释；
- Root MSE: mean squared error 是残差平方和除以（n-2）过后再开根号后所得结果。
三：总结—— 各项结果对应的参数
图3
四：回归分析Regress 拓展
- 输入命令语“predict”计算拟合值和残差
- 计算拟合值：在命令窗口输入“predict salaryhat（随定义拟合值名称）”，在显示窗口里就会出现多出一个变量“fitted values”
-
计算残差：在命令窗口输入“（随定义残差名称）predict uhat, resi”,那么就会多出一个变量“uhat”, label就是residual
图4
- 同时看到散点图和回归分析的操作如下
- 命令语为：“twoway(scatter散点图 +因变量+自变量) (lfit线性曲线+因变量+自变量）”
- 假设“选取变量为CEO的工资与公司股本回报率之间的关系”，则在命令窗口输入的命令语为“twoway(scatter salary roe) (lfit salary roe)”，按enter键后出现的结果如下图所示：
散点图
[如果要进行其他数据分析，则需要在命令窗口输入“clear”清除数据]
五：同方差和异方差计算结果对比
- 同方差命令语：reg testscr str
同方差结果图
- 异方差命令语： reg testscr str, robust
异方差结果图
六：存在的问题
- 本文只是有针对性地举例说明，具体问题要根据实际导出的结果具体分析。
网友评论