CUE
1 回归分析的介绍和分类
2 数据的分类以及数据的来源
3 对于线性的理解以及内生性问题的探究
4 四种模型的解释、虚拟变量的设置以及交互项的解释
5 从错误论文中反思
NOTES
PART1 回归分析的介绍和分类
1 回归的思想：三个关键词：（1） 相关性（2）Y （3）X
2 回归分析的使命
?3. 回归分析的分类
PART 2 数据的分类与来源
1. 数据的分类
（1）横截面数据
（2）时间序列数据
（3）面板数据
2. 不同数据类型的处理方法
?3. 数据的收集
?
爬虫 实际上就是在网页上看到了一些数据 如何快速储存到excel或者本地文件？就需要爬虫。
B站上可以学python爬虫
这些网站可以课后点开看一下 了解一下有哪些数据
PART 3 对于线性的理解以及内生性问题的探究
?
?
?
?PART 4 四种模型的解释、虚拟变量的设置以及交互项的解释
?
?
?
?
?
?
?
?
?PART 5 从错误论文中反思
班干与否是一个虚拟变量，定性变量 只有0、1取值
问题1 文章中没有告诉我们回归系数是多少 而且回归系数的显著性也没说
做回归 最重要的是看显著性是否通过 通过了说明模型没有问题 再看回归系数和p值
这里不能归一化 归一化之后数据的范围变了 就不好解释了
所以尽量不要对数据进行归一化处理
估计出来的回归系数是一个点估计 后面是一个区间估计
只要加自变量R^2会变大 一旦加了 就要给出解释
回归包含两种：解释型回归与预测型回归
对于解释型回归 不要让模型变得复杂而不好解释
要看哪一个因素对y有最大的影响 可以用标准回归系数
论文的问题总结：
1 数据不要进行处理 处理后不好解释
2 回归之后至少要告诉读者回归系数和显著性
3 不要在回归中随意添加高次项。弄清楚你的回归目的是解释还是预测。只是解释的话，不要建立太复杂的模型。
4 要判断哪一个因素对y有最大的影响，
用标准化的回归系数就可以，不要做其它事情。
代码和数据都在文件夹里
