目录
常见的回归分析有五类：线性回归、0‐1回归、定序回归、计数回归 和生存回归。
这就是回归分析要完成的三个使命：
第一、识别重要变量；
第二、判断相关性的方向；
第三、要估计权重（回归系数）
多种数据类型处理方法
宏观数据：知乎上搜“数据查找”?
微观数据：在人大经济论坛搜索 https://bbs.pinggu.org
一元线性回归
使用线性回归模型前，先进行预处理?
?excel预处理：直接=要处理的数据和指令
?回归系数解释
?内生性，外生性
?
核心变量，控制变量
?取对数
?四种模型回归系数解释
?
虚拟变量
如果自变量中有定性变量，例如性别、地域等，在回归中要?使用虚拟变量
??
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是分类数减1。
?含有交互项的自变量
stata
?
?数据的描述性统计
?
?excel数据透视表（作图）
?stata回归
1）regress y x1 x2 … xk
2）标准化回归
regress y x1 x2 … xk,beta
??
?拟合优度R2太低
?标准化回归系数
?扰动项
?异方差?
检验异方差
stata?
拟合出现负数原因?
异方差假设检验
1）BP检验：Stata命令（在回归结束后使用）
estat hettest ,rhs iid
结果
2）怀特检验：Stata命令（在回归结束后使用）
estat imtest,white?
结果：与0.05对比
?异方差处理方法（加上推荐）
使用OLS + 稳健的标准误
regress y x1 x2 … xk,robust?
检测多重共线性?在回归后
estat vif
多重共线性 解决
一般还是直接删数据
逐步回归分析
向前逐步回归Forward?selection： stepwise regress y x1 x2 … xk, pe(#1)?
向后逐步回归Backward?elimination： stepwise regress y x1 x2 … xk, pr(#2)
?#1,#2表示一个数，如果是向前的话，太严格就加不进来变量 ，增大#1，就可以增加变量数目，? 如果是先后的话太严格就剔除不了变量，那基本都留下来了，可以减小#2，
注意
?