//使用page up 可以返回上一步的操作
再matlab中按上箭头就是上一步的操作
stata中清屏是cls//
1.数据描述性统计
对于定量的数据，使用函数summarize+变量名
对于定性的数据，使用函数tabulate+变量名，gen(A)[这里的gen是虚拟变量，虚拟变量可以说就是用0或1表示是否,A是虚拟变量的名字]
为避免多重共线性的影响，引入个数是虚拟个数减一
对于定量分析我们一张图可以包含多个变量
但对于定性分析一张图只能包含一个变量
可以用excel数据透视表将多个定性放在一起
2.stata 回归语句
regress y x1 x2 x3………xk(默认ols:普通最小二乘法,Ls表示最小二乘法)
model 表示ssR
residual表示ssE（残差）
total表示ssT
R^2=SSR/SST
df表示自由度，MS是由ss/df(一般不考虑)
3.回归的检验
回归能不能通过要看prob的值<0.05
拒绝原假设，
才通过检验，在回归中我们一般用调整后的R^2
理由：我们引入的自变量越多，拟合优度会变大。但我们倾向于使用调整后的拟合优度，如果新引入的自变量对SSE的减少程度特别少，那么调整后的拟合优度反而减小
4.回归系数表
cons表示回归系数常数项
std.err表示标准误差
t=coef/std
conf.interval表示区间估计
5.将定量变量与定性变量结合
reg+变量名 虚拟变量
6.将回归结果保存在word 文档中
代码：ssc install reg2docx,all replace(安装功能包)
est store m1(将模型命名为m1)
reg2docx m1 using m1.docx, replace(保存)
7.拟合优度较低怎么办
预测性回归看重R平方，越接近1越好
解释型回归更多的关注模型整体显著性以及自变量的统计显著性和经济意义显著性即可。
8.在stata中进行标准化回归
reg y x1 x2 … xk,beta
标准化系数绝对值越大，对因变量越重要
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！