多元回归模型的预测 多元回归模型预测stata

多元线性回归分析

• 回归分析
• 数据分类 --- 通过数据类别选择合适的建模方法
• 数据网站
• 线性回归 --- 横截面数据

• 对线性的理解

• 用新变量替换时求对应的值可以使用Excel

• 回归系数

• 回归系数解释
• 使用回归前，要检验扰动项是否满足某些条件 --- 重点
• 扰动项 μ \mu μ的 内生性

• 解决外生性 --- 核心解释变量和控制变量

• 当式子中有对数时，对回归系数的解释
• 总结：四类模型回归系数的解释

• 多变量时

• 变量

• 定性变量变为定量变量 --- 引入虚拟变量

• 虚拟变量解释
• 设置虚拟变量

• 含有交互项的自变量
• 在论文对变量解释介绍

• 一元线性回归

• Stata对数据描述性统计

• 定量数据
• 定性数据 --- 生成虚拟变量

• Excel画出变量的频率扇形图

• Stata 回归 --- 分析各个变量与因变量的关系

• 使用回归前，要检验扰动项是否满足某些条件 --- 重点
• 对定量变量回归

• 联合显著性检验 --- P r o b > F Prob>F Prob>F的值看模型是否合理
• 分析的变量选择 --- 回归系数显著
• 回归系数解释

• 对定性变量回归

• 联合显著性检验 --- P r o b > F Prob>F Prob>F的值看模型是否合理
• 分析的变量选择 --- 回归系数显著
• 回归系数的解释

• Stata对回归分析结果用文档保存

• Stata标准化回归 --- 分析各个变量对因变量的影响程度

• 求出的拟合优度 R 2 R^2 R2较低时

• 拟合优度和调整后的拟合优度

回归分析

研究X与Y的相关性

• X — 自变量， Y — 因变量
• 回归的分类

1. 解释性回归
2. 预测性回归

• 回归分析的任务
  通过研究X和Y的相关关系，尝试去解释Y的形成机制，进而达到通过去预测Y的目的
• 使用目的

3. 判断那些X是与Y真的相关
4. 相关的X与Y是正相关还是负相关
5. 不同X有不同的权重(不同的回归系数)，可以得到不同变量之间的相对重要性

• 回归分析的分类
• 不同数据处理方法

数据分类 — 通过数据类别选择合适的建模方法

1. 横截面数据 — 在某一时间点收集的不同对象的数据
   比如：某年各省的GDP
2. 时间序列数据 — 对统一对象在不同时间所得数据
   比如： 一个省每年的GDP
3. 面板数据 — 横截面数据与时间序列数据综合起来
   比如： 2008-2018，各省份GDP

数据网站

【简道云汇总】110+数据网站【汇总】数据来源/大数据平台大数据工具导航大数据查询导航

线性回归 — 横截面数据

对线性的理解

自变量和因变量可以通过变量变换而转化为线性模型

• 例如：将$y_i=\beta_0+\beta_1lnx_i+\mu_i$中的$lnx_i$用一个新变量进行替换

用新变量替换时求对应的值可以使用Excel

回归系数

回归系数解释

使用回归前，要检验扰动项是否满足某些条件 — 重点

多元线性回归扰动项满足的条件

扰动项$\mu$的 内生性

• 误差项$\mu$与自变量$x$相关
• 扰动项$\mu$中包含了与$y$有关但没有放到模型中的变量

1.对于扰动项$\mu$满足一定的条件为：不存在内生性，不存在异方差

2. 例如： 在仅有变量$x$为产品品质时，会出现内生性

• $\because$ 会有价钱也与$y$有关，因为没有添加到模型中(即存在于$\mu$中)，而价格于品质$x$有关
  $\therefore$ 产生了内生性
  外生性很难满足
  $\therefore$为了降低了条件 — 引入核心解释变量和控制变量

解决外生性 — 核心解释变量和控制变量

仅仅保证核心解释变量与$\mu$无关，而不用保证控制变量与$\mu$无关

$\therefore$ 控制变量就是为了控制那些对核心解释变量影响的遗漏的变量(这些变量在$\mu$中)

当式子中有对数时，对回归系数的解释

总结：四类模型回归系数的解释

多变量时

加一句：在控制其他自变量不变的情况下

变量

定性变量变为定量变量 — 引入虚拟变量

虚拟变量解释

例如研究性别与工资影响：
$y_i=\beta_0+\delta_0Female_i+\beta_1x_{1i}+\beta_2x_{2i}+...+\mu_i$

• $Female_i =1$：表示第$i$个样本为女性
  $Female_i =0$：表示第$i$个样本为男性
  核心解释变量:$Female$
  控制变量:$x_m(m=1,2,...k)$

设置虚拟变量

为了避免完全多重共线性的影响，引入虚拟变量的个数一般为分类数 - 1
比如：定性变量（男/女），有两个分类，所以设置一个虚拟变量
当出现完全多重共线性时，回归系数无法计算

含有交互项的自变量

• 因变量受到一个核心解释变量和另一个核心解释变量共同影响

在论文对变量解释介绍

一元线性回归

1. 与一元线性函数拟合本质类似
2. 仅有一个自变量

Stata对数据描述性统计

定量数据

summarize  变量1 变量2 ... 变量n

• 如果放入论文中，需要先放到Excel中，变成三线表，然后将三线表放到论文中

定性数据 — 生成虚拟变量

// 得到出现的次数(Freq)
tabulate 变量

• 该函数每次仅对一个变量进行分析

tab 变量 ,gen(A)

• 生成对应变量的虚拟变量$A1 ... An$

• 例如图中，有两种配方，有两个虚拟变量$A1,A2$
  当为第一种配方的时候，$A1 == 1 ;A2==0$
  当为第二种配方的时候，$A1 == 0 ;A2==1$

Excel画出变量的频率扇形图

1. 插入 -> 数据透视表
2. 选择所需字段
   
   可以选择值显示的方式(数字或百分比)
3. 画出扇形图
   分析 -> 数据透视图

• 在图中加入数字
• 为了让画出来的图有美感
  可以先进行排序后再画开始 -> 排序
  可以进行颜色的变更：页面布局 -> 颜色

Stata 回归 — 分析各个变量与因变量的关系

使用回归前，要检验扰动项是否满足某些条件 — 重点

多元线性回归扰动项满足的条件

对定量变量回归

regress y x1 x2 ...

• Model: 代表SSR，回归平方和
• Residual: 代表SSR，误差平方和
• Total: 代表SST

上面三个对应的值在SS列中

• R-squared: 代表$R^2$，拟合优度
• $0<=R^2<=1$
• Adj R-squared: 代表调整后的拟合优度



• df: 代表自由度

联合显著性检验 — $Prob>F$的值看模型是否合理

• $Prob>F$ 对应的值要$<0.05$，否则模型设置不合理

检验回归系数使用的 $t$

• Coef: 估计出来的回归系数
• cons: 常数项的估计值
• 最后一列为置信区间

分析的变量选择 — 回归系数显著

只需要分析回归系数显著的变量(看$P>|t|一列$,当值$<0.05$代表在$95\%$置信水平下，回归系数显著异于$0$)

回归系数解释

• 在其他变量不变的情况下，团购价元 每增加1，会导致评价量减少35.49873

对定性变量回归

使用tab 变量 ,gen(A)产生的虚拟变量$A1...An$
再使用regress y A1 A2 ...An

为了避免多重共线性的影响，会自动将某个虚拟变量设置为对照组

例如图中将G4看为对照组：

联合显著性检验 — $Prob>F$的值看模型是否合理

• $Prob>F$ 对应的值要$<0.05$，否则模型设置不合理

图中含义：

检验回归系数使用的 $t$

• Coef: 估计出来的回归系数
• cons: 常数项的估计值
• 最后一列为置信区间

分析的变量选择 — 回归系数显著

只需要分析回归系数显著的变量(看$P>|t|一列$,当值$<0.05$代表在$95\%$置信水平下，回归系数显著异于0)

回归系数的解释

例如：
有四个段位，观察段位与评价量的关系

reg 评价量 G1 G2 G3 G4

解释回归系数：

• G1回归系数（Coef对应的那列）
  在控制其他变量不变的情况下，段位1与段位4比较，评价量相差$-7595.045$

Stata对回归分析结果用文档保存

regress 评价量 团购价元 商品毛重kg
// 下面的语句可帮助我们把回归结果保存在Word文档中
// 在使用之前需要运行下面这个代码来安装下这个功能包（运行一次之后就可以注释掉了）
// ssc install reg2docx, all replace
// 将模型保存为m1
est store m1
reg2docx m1 using m1.docx, replace
// *** p<0.01  ** p<0.05 * p<0.1

• 注意加上
  $*** p<0.01, ** p<0.05, * p<0.1$
• 对生成的文档注意修改字体：
  全选后选宋体，再全选后选新罗马字体

Stata标准化回归 — 分析各个变量对因变量的影响程度

• 只关注显著的回归系数
  即需要分析回归系数显著的变量(看$P>|t|一列$,当值$<0.05$代表在$95\%$置信水平下，回归系数显著异于0)

regress y x1 x2 ... xk, beta

求出的拟合优度$R^2$较低时

$0<=R^2<=1$

• 预测性回归需要$R^2$大
• 预测性回归拟合优度低时，使用第二点进行改进
• 解释性回归拟合优度低时，可能为第三点原因

拟合优度和调整后的拟合优度