本站分享:AI、大数据、数据分析师培训认证考试,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训

stata线性回归分析_stata线性回归

stata培训 cdadata 11009℃

关键词:线性回归 stata线性回归教程stata回归结果分析

总体平方和 残差平方和,解释平方和 ,F检验值 F检验P值 判定系数 调整判定系数 均方根误差 变量系数 标准误差 t检验值 t检验P值 置信区间    这些值怎么看????专业老师让我们分析,大神有会的吗?先谢谢了

stata线性回归分析_stata线性回归

总体平方和:在你整个回归结果的左上角部分,SS和total所确定的数值就是,也就是9.00072(没写全,后面部分我没抄,你如果需要更高精度回上表看……)
残差平方和:在你整个回归结果的左上角部分,SS和residual所确定的数值就是,也就是0.1374
解释平方和:在你整个回归结果的左上角部分,SS和model所确定的数值就是,也就是8.8698
F检验值:在你整个回归结果的右上角部分,F(2,7)对应的值225.94——这个值越大越好,回归总体越显著
F检验P值:在你整个回归结果的右上角部分,P>F对应的值0——这个值越小越好,0说明回归总体而言非常显著
判定系数:应该就是R方吧,右上角那个R-squared 0.9847——这个值是解释平方和除以总体平方和得出的,越大则回归的拟合度越高
调整的判定系数:右上角那个adj-R-squared 0.9804——这个值是将变量数目考虑后略加变动所计算出的R方(需要这个是因为当解释变量很多时,即使拟合度没有区别,R方也会很高),同样是越大回归的拟合度越高
均方根误差:右上角那个root-MSE0.1401,它是左上角Residual-MS的开方变量系数:下面方框里coef所对应的项——越大则“实际显著性”越高(就是说影响在绝对值上越大)
标准误差:下面方框里std.err所对应的项——比较小更好,因为说明估计值越集中
t检验值:下面方框t对应的项,这项是coef/std.err得出——绝对值越大越好,因为越大,取到这个t值就更不可能,从而原假设(系数=0)被否定,则这个变量在回归中越显著,越应该留在回归里
t检验P值:下面方框里p》t那个对应的——越小越好,是做双边检验,P小说明了t大,0是最好的
置信区间:下面方框里那个95%conf interval,两个值是coef加减std.err*97.5%t分布所对应的值,代表“真实的系数”有95%可能落在这个区间里(因为我们OLS假设这是一个抽样,是一个样本的估计值的系数,而还有一个真实规律所对应的系数)。

转载请注明:数据分析 » stata线性回归分析_stata线性回归

喜欢 (18)or分享 (0)