请教连老师，关于stata10与stata12stata输出结果解读不同的问题

点击联系发帖人 时间：2017-05-29 13:04

stata输出结果解读

0

积分 81, 距离下一级还需 4 积分
道具: 涂鴉板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡

购买后可立即获得 权限: 隐身

道具: 金钱卡, 涂鸦板, 变色卡, 彩虹炫, 雷达卡, 热点灯

本人在处理面板数據做xreg回归时对于stata输出结果解读有一些疑问，请求解答谢谢！ 1.F检验判断使用混合OLS回归还是固定效应回归的结果如下，红色方框标出的结果好像不太理想：
（1）组内R方不算大不知道这个是否影响？
（2）个体效应ui与自变量X之间的相关系数太大是什么导致了这个结果的出现？是否需要处理呢又该如何处理？
（3）自变量STA、LD、ROA、CAR、M2G的回归系数不显著
红色椭圆框中表明可使用固定效应模型。

2.随机效应回归结果洳下：

同样总体R方不够大，自变量回归系数不显著总结一下我的问题：
当（1）R方不大（2）ui与自变量相关系数较大（尤其是这个问题）（3）自变量回归系数不显著时，该怎么办谢谢

}

regress命令表示作线性回归其子命令beta表示得到的回归系数为标化的回归系数(即：无量纲)。stepwise命令表示作逐步线性回归其子命令：ba表示后退法筛选自变量；form表示向前法筛选自变量；st表示前进后退法筛选变量；fe(#)表示在筛选变量中，变量选入模型的F统计量的临界值(#)在STATA中，其缺省值为0.5最大设置值不要大于4；fs(#)表示在篩选变量中，变量从模型中剔除的F统计量的临界值(#)在STATA中，其缺省值为0.1最大设置值不要大于4。test用于检验回归系数的表达式如：某两个囙归系数是否相等。predict新变量 是根据线性回归方程计算每个自变量记录所对应的y值(一些文献上称预测值和期望估计值)predict 新变量，resi 计算残差值predict 新变量，stdp

例：对15名对象的血浆粘度(Y)及其3个血浆成分：白蛋白(x1)球蛋白(x2)和纤维蛋白原(x3)进行测定，试建立多元线性回归方程其数据如下表(數据摘自医用多元统计分析，曹素华主编)：

①离均差平方和；②自由度；③均方差；④模型回归系数全为0的无效假设检验对应的F值；⑦为F檢验相应的p值；⑤为回归项：对应为回归平方和和回归均方差；⑥残差项对应为残差平方和、残差自由度和残差均方和；⑧为决定系数；⑨为调整自由度后的决定系数；?为残差均方和的根号；?回归系数；?回归系数的标准误；?回归系数检验的t值；?回归系数检验相應的p值；?回归系数的95%可信限。

线性回归模型假定残差呈正态分布其齐性独立于所有回归自变量，因此应对残差作正态性检验和残差分析由于这部分内容已超出了本教材的范围，所以不在此处详细介绍以本例数据介绍逐步线性回归分析，设筛选变量进入模型的F值等于變量从模型中剔除的F值并均为1.5,其输出内容对应相同:

}

天天发财游戏网