一、matlab、stata代码整理
1）matlab：
1、zscore（x）——标准化
2、scatter（x，y）——散点图
hold on——在此图里继续作图
plot（.......
3、R=cov(X) //计算样本协方差矩阵
[V,D]=eig(R); //计算R的特征值（D）和特征向量（V）
diag(D); //取D对角线即R特征值做一个列向量
lambda(end:-1:1);//列向量颠倒顺序
2）stata
1、reg
sw reg ...... ,pr()
..................,pe()
二、知识点
1）回归中的异常点：
中部方形部分，上边界为上四分位数
下边界为下四分位数
中间线为中位数
而下部的点是异常点
2）回归的模型
1，双曲线模型
若因变量yy随自变量xx的增加（或减少），最初增加（或减少）很快，以后逐渐放慢并趋于稳定，则可以选用双曲线来拟合。双曲线模型形式为
1/y=β0+β1*1/x；
线性化方法：令y′=1/y，x′=1/x
则转换为线性回归方程
y′=β0+β1x′
2、幂函数
y=β0*X1^β1*X2^β2......
使用：
Y′=lny，β′0=lnβ0，x′1=lnX1，⋅⋅⋅，x′k=lnxk
转化为：
y′=β′0+β1x′1+β2x′2+⋅⋅⋅+βkxk
3、指数函数
形如：y=b0*e^b1x
处理方法：
y′=lny，β′0=lnβ0，x′=x
4、对数
y=b0+b1*lnx
处理方法：
y′=y，x′=lnx
3）多重共线性分析
VIF需要用在线性回归之后，若为logistic回归，先替换为线性回归，做完再做vif检验。
一般认为：
VIF≥3，有多重共线性；
VIF≥6，比较严重多重共线性
VIF≥10，非常严重的多重共线性；
4）主成分分析
需要求x矩阵的特征值及对应的特征矩阵
>> X=zscore(x) //标准化x
>> Y=zscore(y); //标准化y
>> R=cov(X) //计算样本协方差矩阵
>> [V,D]=eig(R); //计算R的特征值（D）和特征向量（V）
>> lambda=diag(D); //取D对角线即R特征值做一个列向量
>> lambda=lambda(end:-1:1);//将特征值按从大到小排列（颠倒一下顺序）
>> contribution_rate=lambda/sum(lambda);//求每个特征值所对应的贡献率
>> cum_contribution_rate=cumsum(lambda)/sum(lambda) //求累计贡献率
一般取贡献率较大的特征值所对应的特征矩阵作为主成分Fi=u1*x1+u2*x2……的系数；
因为特征值由大到小，故贡献率是由大到小的，累计贡献率逐渐增大。一般来说，第m个特征值对应的累计贡献率达到大于等于0.8后，取这m个特征值，构成m个主成分。
例：
累计贡献： 0.986 0.9959 0.9991 1
特征向量：0.5016 -0.2371 0.5788 0.5976
0.4998 0.4926 -0.6105 0.3673
0.4980 -0.7069 ………
0.5007 ………
则构成1个主成分
F=0.5016*x1+0.4998*x2+0.498*x3+0.5007*x4
再用标准化的Y和F求回归
