Stata软件之回归分析

wage
Coef. Std. Err.
t P>|t|
[95% Conf. Interval]
edu _cons
.3937442 .0488491 3.584695 .4589088
8.06 0.000 7.81 0.000
.2979069 2.684359
.4895815 4.485031
(2) 表左上方区域为方差分析表。第2列从上到下依次为回归平方和(SSE)、
第3页，共39页。
二、简单回归分析的Stata基本命令
简单线性回归模型 ( simple linear regression model ) 指
只有一个解释变量的回归模型。如：
y 0 1x u 其中，y 为被解释变量，x 为解释变量，u 为随机误差项， 表数，示除称x为之截外距影参响数y或的截因距素系；数，称也为1称斜为率截参距数项或或斜常率数系项。 简单线0性回归模型的一种特殊情况：
Contains data from D:\½²¿Î×ÊÁÏ\ÖÜÝíµÄÉÏ¿Î×ÊÁÏ\Êý¾Ý\¡¾ÖØÒª¡¿\¡¾¼ÆÁ¿¾­¼ÃѧÈí¼þÓ¦Ó
> ÿμþ¡¿\10649289\stata10\¹¤×Ê·½³Ì1.dta
obs:
1,225
vars:
11
25 Aug 2009 08:38
predict u, residual ( 生成残差 )
sort u (根据 u 对数据从小到大排序) list wage z u in 1/5 (列出 u 最小的5个观测值以及对应的实 际样本观测值和拟合值)
wage edu
z
u
1. 2.455357
14 9.097115 -6.641757
2. 1.785714
26409.5445 1223 21.5940675
27812.5191 1224 22.7226463
Number of obs =
F( 1, 1223) =
Prob > F
=
R-squared
=
Adj R-squared =
Root MSE
=
1225 64.97 0.0000 0.0504 0.0497 4.6469
调整的判定系数(Adj R-squared)、F统计量的值、回归方程标准误或均方
根 误上(R述oo回t 归M分SE析，的菜或ˆ 单S操.E.作) 以实及现其：S他ta一tis些tic统s→计Li量nea的r m信od息els。and related→
Linear regression→弹出对话框，在Dependent Variable选项框中选择或键
Root MSE
=
365 19.78 0.0000 0.0517 0.0490 4.3239
wage
Coef.
edu
.4145793
写出样本_回con归s 方程2.为760：707
Std. Err.
.0932286 .9687986
t
4.45 2.85
P>|t|
0.000 0.005
[95% Conf. Interval]
残差平方和(SSR)和总离差平方和(SST)；第3列为自由度，分别为k=1，
n-k-1=1225-1-1=1223，n-1=1225-1=1224；第4列为均方和(MSS)，由各项
平方和除以相应的自由度得到。
(3) 表右上方区域给出了样本数(Number of obs)、判定系数(R-squared)、
的残差（即
）。
ei yi yˆi
第5页，共39页。
三、简单回归分析的Stata软件操作实例
实验 1 简单回归分析：教育对工资的影响 劳动经济学中经常讨论的一个问题是劳动者工资的决定。不
难想象，决定工资的因素有很多，例如能力、性别、工作经验、 教育水平、行业、职业等。在这里仅考虑其中一种因素：教育 水平，建立如下计量模型：
size:
58,800 (99.4% of memory free)
storage display variable name type format
value label
variable label
age female married edulevel
edu exp
expsq health migrant wage
11 7.915882 -6.130167
3.
3
14 9.097115 -6.097114
4. 2.380952
12 8.309626 -5.928673
即对于5观. 测 1，1.2小5 时工9 资7的.1实283际93 观测-5.值878(3w93age)为2.46，拟合值(z)为
9.10，残差(u)为-6.64。
窗口工具栏右起第4个Data Editor键，将数据粘贴到打开的 数据编辑窗口中，然后关闭该数据编辑窗口，点击工具栏左 起第二个Save键保存数据，保存时需要给数据文件命名。
2、给出数据的简要描述。使用describe命令，简写为： des 得到以下运行结果；
第7页，共39页。
三、简单回归分析的Stata软件操作实例
入wage，在Independent Variables选项框中选择或键入edu→点击OK即可
第11页，共39页。
三、简单回归分析的Stata软件操作实例
5、生成新变量 z 为上一个回归的拟合值，生成新变量 u 为 上一个回归的残差；然后根据 u 对数据进行从小到大的排
序，并列出 u 最小的5个观测。 命令如下： predict z (生成拟合值)
Source
Model Residual
Total
SS
df
MS
1402.97461
1 1402.97461
26409.5445 1223 21.5940675
27812.5191 1224 22.7226463
Number of obs =
F( 1, 1223) =
Prob > F
=
R-squared
1225 1225 1225 1225 1225
36.79755 8.992653
21.8049 613.9776
7.1255
10.67631 2.719068 11.77443 548.3072 4.766828
16 0 0 0
1.25
lnwage
1225 1.808352 .5307399
第1列：变量名； 第2列：观测数；
第3列：均值； 第4列：标准差；
第5列：最小值； 第6列：最大值。
.2231435
Max
60 19 50 2500 37.5
3.624341
第9页，共39页。
三、简单回归分析的Stata软件操作实例
4、wage对edu的OLS回归。使用regress命令：
reg wage edu，得到以下运行结果，保存该运行结果；
第8页，共39页。
三、简单回归分析的Stata软件操作实例
3、变量的描述性统计分析。对于定量变量，使用summarize 命令：su age edu exp expsq wage lnwage，得到以下运行结
果，保存该运行结果；
Variable
Obs
Mean Std. Dev.
Min
age edu exp expsq wage
其中，wage 为被解释w变a量ge，表0示小1时ed工u 资u，,,单,,,位,,,为,,元,,,；,,,e,d,,u,,,,,, (3.1)
为解释变量，表示受教育年限，即个人接受教育的年数，单
位为年；u为随机误差项。假定模型(3.1)满足简单回归模型的
全部5条基本假定，这样 的OLS估计量 将是最佳线性
母reg。
➢ regress y x, noconstant
y 对 x 的回归，不包含截距项 (constant)，即过原点回归。
➢ predict z
根据最近的回归生成一个新变量 z，其值等于每一个观测
的拟合值（即 ）。
➢ predict u, residyuˆai l
根据最近的回归生成一个新变量 u，其值等于每一个观测
第12页，共39页。
三、简单回归分析的Stata软件操作实例
6、画出以wage为纵轴，以edu为横轴的散点图，并加入样本 回归线。命令如下：
graph twoway lfit wage edu || scatter wage edu 得到以下运行结果，保存该运行结果；
40
30
20
10
0
0
5
10
15
wagˆe 3.5847 0.3937edu
即如果受教育年限增加1年，平均来说(0小.4时58工9资) (会0增.0加4808.3)9元。
第10页，共39页。
三、简单回归分析的Stata软件操作实例
Source
Model Residual
Total
SS
df
MS
1402.97461
1 1402.97461
即假定截距系数
时，y该模型1x被称u 为过原点回归；过
原点回归在实际中有一0 定0的应用，但除非有非常明确的理
论分析表明
，否则不宜轻易使用过原点回归模型。
0 0
第4页，共39页。
二、简单回归分析的Stata基本命令
➢ regress y x
以 y 为被解释变量，x 为解释变量进行普通最小二乘
(OLS)回归。regress命令可简写为横线上方的三个字
无偏估计量。请根据表S-2中给0, 出1 的数据采用Stataˆ软0 , 件ˆ1 完成上 述模型的估计等工作。
第6页，共39页。
三、简单回归分析的Stata软件操作实例
1、打开数据文件。直接双击“工资方程1.dta”文件；或者点 击Stata窗口工具栏最左侧的Open键，然后选择“工资方程 1.dta”即可；或者先复制Excel表S-2中的数据，再点击Stata
more
float float float float
%9.0g %9.0g %9.0g %9.0g
float %9.0g float %9.0g
float float float float
%9.0g %9.0g %9.0g %9.0g
age in years 1:female; 0:male 1:married; 0:unmarried 1:primary; 2:junior; 3:senior;
=
Adj R-squared =
Root MSE
=
1225 64.97 0.0000 0.0504 0.0497 4.6469
wage
பைடு நூலகம்
Coef. Std. Err.
t P>|t|
[95% Conf. Interval]
edu
.3937442 .0488491
8.06 0.000
.2979069
_cons
3.584695 .4589088
7.81 0.000
2.684359
(1) 表下方区域为基本的回归结果。第1列依次为被解释变量wage，解释
变量edu，截距项constant；第2列回归系数的OLS估计值；第3列回归系
数的标准误；第4列回归系数的 t 统计量值；
写出样本回归方程为：
.4895815 4.485031
20
years of education
Fitted values
hourly wage
第13页，共39页。
三、简单回归分析的Stata软件操作实例
7、wage对edu的OLS回归，只使用年龄小于或等于30岁的样 本。命令如下：
reg wage edu if age<=30
得到以下运行结果，保存该运行结果；
计量经济软件应用
——Stata软件实验之一元、 多元回归分析
第1页，共39页。
内容概要
一、实验目的
二、简单回归分析的Stata基本命令
三、简单回归分析的Stata软件操作实例
四、多元回归分析的Stata基本命令 五、多元回归分析的Stata软件操作实例
第2页，共39页。
一、实验目的：
掌握运用Stata软件进行简单回归分析以及 多元回归分析的操作方法和步骤，并能看懂 Stata软件运行结果。
4:college years of education years of work experience:
age-edu-6 exp^2 1:bad; 2:good; 3:very good 1:migrant worker; 0:local worker hourly wage
结果显示“工资方程1.dta”数据文件包含1225个样本和11个变 量；11个变量的定义及说明见第3列。
Source
Model Residual
Total
SS
369.712827 6786.63095
7156.34378
df
MS
1 369.712827 363 18.695953
364 19.6602851
Number of obs =
F( 1, 363) =
Prob > F
=
R-squared
=
Adj R-squared =