stata操作介绍之相关性分析三PPT课件.ppt

三、线性回归分析1 v相关性分析v回归分析v多重共线性等相关检验和处理2 线性回归分析的stata应用实例本部分用到的实例是Big Andy’s Burger Barn的销售模型Big Andy的汉堡销售收入取决于单价和广告支出水平 因此，这个模型包含两个解释变量和一个常数项其中，sales为指定城市的月销售额并以千美仄元度量，price是以美元度量的单个汉堡的价格，advert为广告支出，同样以千美元度量sales= α1 +α2*price +α3*advert+ ε3 相关性分析相关性分析相关性分析主要目的是研究变量之间关系的密切程度相关性分析的方法主要有:Pearson相关系数分析、Kendall T相关系数分析、Spearman秩相关系数分析以及偏相关系数分析1. Pearson相关系数分析Pearson相关性分析是一个描述线性相关强度的量，取值于一1和1之间 Pearson相关性分析的命令格式：correlate [varlist] [if] [in] [weight] [ ，correlate_ options ]pwcorr [varlist] [if] [in] [weight] [ ，correlate_ options ]correlate尽可能使用两两变量中所有没有缺失的数据pwcorr只采用没有任何缺失数据的完整观测值4 correlate选项说明pwcorr选项说明5 用pwcorr命令实现所有变量的Pearson相关系数分析，并在显著性水平超过0.05的相关系数上打上星号，其命令为：       pwcorr , sig star(0.05)6 2. Kendall T相关系数分析Kendall T相关性分析是一个非参数度量变量间的相关性，其取值在一1和1之间。

 Kendall T相关性分析的命令格式：ktau [varlist] [if] [in] [weight] [ ， ktau _ options ]7 用ktau命令实现所有变量的Kendall T相关系数分析，并在显著性水平超过0.05的相关系数上打上星号，其命令为： ktau ,  star(0.05)8 3. Spearman秩相关系数分析Spearman秩相关性分析也是一种不依赖于总体分布的非参数检验，取值也在一1和1之间 Spearman秩相关性分析的命令格式：spearman [varlist] [if] [in] [weight] [ ， spearman _ options ]9 用spearman命令实现所有变量的Spearman秩相关系数分析，并在显著性水平超过0.05的相关系数上打上星号，其命令为：spearman,  star(0.05)10 4.偏相关系数分析双变量相关分析是研究两个变量之间的相关关系，有时在分析两个变量之间相关关系时，往往会有其他变量的影响因素混合在里面，此时计算出来的相关系数可能并不能真正反映两个变量之间的关系偏相关性分析的命令格式：          pcorr  varnamel varlist [if] [in] [weight]11 用pcorr命令实现偏相关分析，其命令为：  pcorr,  sales price advert12 回归分析回归分析    回归分析时常用的Stata 命令有：regress , predict, test命令。

regress,  predict, test 是一组命令，它们完成各种简单和多元的普通最小二乘法回归1.regress实现因变量对自变量的回归regress命令的格式: regress  depvar  indepvars[if]  [in] [weight] [options]因变量自变量13 实现因变量为销售收入，自变量为单价和广告支出的线性回归，其命令为：         regress sales price advert表下方区域为基本的回归结果第1列依次为被解释变量sales，解释变量price、advert，截距项constant；第2列回归系数；第3列回归系数的标准误；第4列回归系数的 t 统计量值;第5列p值；第6列95%的置信区间14 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)、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=2，n-k-1=75-2-1=72，n-1=75-1=74；第4列为均方和(MSS)，由各项平方和除以相应的自由度得到表右上方区域给出了样本数(Number of obs)、判定系数(R-squared)、调整的判定系数(Adj R-squared)、F统计量的值、回归方程标准误 (Root MSE) 以及其他一些统计量的信息。

15 2.predict计算拟合值和残差predict命令的格式: predict  [type] newvar [if] [in][，single_ options]指定存储类型的格式变量名指定需要拟合值还是残差值，若为resid，则是残差计算前面所求回归方程的拟合值和残差其命令分别为：predict  y1predict e, resid16 3.test进行指定的检验test命令主要用来检验系数是否符合一定的关系.test命令的格式如下:test varl  var2…var3ktest var=Ctest varl=var2test varl=(var2+var3)/C检验多个变量的系数是否同时为零检验变量的系数是否为C检验两个变量的系数是否相等检验多个变量之间存在的一些关系用test命令检验价格和广告支出的系数是否同时为0，其命令为:   test price advertP值<0.05，拒绝原假设，即价格和广告支出的系数不同时为017 相关检验和处理相关检验和处理回归分析时通常需要检验数据是否存在多重共线、序列相关和异方差等问题，如果存在这些问题，则需要对其进行处理1.多重共线性的检验和处理1.1stata中多重共线性检验的命令格式为：vif   //该命令用来得到自变量的方差膨胀因子一般来说，判断多重共线性的标准是(两个标准必须同时满足):*最大的vif大于10;*平均的vif大于1.由判断标准可知不存在多重共线性18 1.2处理多重共线性的方法1.如果只关心方程的预测能力，则在整个方程显著的条件下，可以不必关心具体的回归系数。

2.增加样本容量，剔除导致多重共线性的变量或者修改模型设定形式3.对于时间序列样本，通过使用差分模型可以一定程度上消除原模型中的多重共线性4.岭回归方法http://bbs.pinggu.org/thread-3035722-1-1.html19 2.异方差的检验和处理2.1stata中异方差检验的命令格式为：hettest或者imtest, white (怀特检验)判断存在异方差的标准是:命令输出结果的P值小于0.05，则拒绝原假设，即存在异方差性hettest和怀特检验输出结果的p值均大于0.05故不存在异方差性20 2.2处理异方差性的方法1.在regress命令的options选项中选择robust选项即可；2.加权最小二乘法（WLS） 21 3.序列相关的检验和处理2.1stata中检验序列相关性的方法：1.BG检验命令为：estat bgodfrey  (默认p=1)                 estat bgodfrey，lags（p）                 estat bgodfrey， nomiss0  (使用不添加0的BG检验)2.box-pierce Q检验/ Ljung-Box Q命令为： reg y x1 x2 x3                 predict el, resid                 wntestq el   (使用stata提供的默认滞后期)                 wntestq el, lags(p)   (使用自己设定的滞后期)3.DW检验：现在已经不常用，因为其只能检验一阶自相关。

  命令为： estat dwatson22 3.2stata中处理序列相关性的方法：1. Newey稳健性标准差   newey y x1 x2 x3, lag(p)    (滞后阶数必选)2.使用OLS+聚类稳健的标准差（cluster robust standard error）面板数据中经常使用聚类稳健的标准差reg y x1 x2 x3, cluster(state)   (聚类稳健标准差，假设“state”为聚类变量)3.使用可行广义最小二乘法（FGLS）prais y x1 x2 x3    (使用默认的PW估计法)praise y x1 x2 x3, corc    (使用CO估计法)4.修改模型设定，可能自相关是由于遗漏了自相关的解释变量 放映结束 感谢各位的批评指导！ 谢谢 谢！谢！让我们共同进步232021/3/9。