Stata软件之回归分析.pptVIP

2021/2/12 * 五、多元回归分析的Stata软件操作实例 结果样本回归方程为: 回归系数下方括号中所示数字从上到下依次为回归系数的标准误、 t 统计量和P值;edu的系数和截距项在1%显著性水平上统计显 著,exp的系数在5%显著性水平上统计显著,说明教育(edu)和工 作经验(exp)对小时工资(wage)均有显著的正向影响;这一结果也 可以从回归系数的置信区间中可以看出,即两个系数的95%的置 信区间均不包含0,至少可以在5%显著性水平上分别拒绝这两个 系数等于 0 的原假设。 两个斜率系数的经济含义:如果保持工作经验(exp)不变,受教 育年限(edu)增加 1 年,平均来说小时工资会增加5.67%,即教育 收益率为5.67%;另一方面,如果保持受教育年限(edu)不变, 2021/2/12 * 五、多元回归分析的Stata软件操作实例 工作经验(exp)增加1年,平均来说小时工资会增加0.29%, 即工龄的收益率为0.29%。 前面的分析指出:理论上 exp 对 lnwage 的影响为正,而 样本中 edu 与 exp 显著负相关,那么与上述多元回归模型相 比,采用只包含 edu 的简单回归模型就会使得 edu 的系数估 计值偏低。分析结果证明了这一点,简单回归模型中 edu 的 系数估计值为 0.0503 (5.03%),而多元回归模型中 edu 的系 数估计值为0.0567 (5.67%), 后者大于前者。 2021/2/12 * 五、多元回归分析的Stata软件操作实例 (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)、残差平方和 (SSR)及总离差平方和 (SST);第3列为自由 度;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。样本数 (Number of obs) 为1225;回归模型总体 显著性检验 F 检验的 F 统计量等于45.75,其精确的显著性水平 (即相伴概率值)为0.0000,可以拒绝所有的斜率系数都等于0的原 假设,即模型总体显著成立;判定系数(R-squared)为0.0697,调整 的判定系数(Adj R-squared)为0.0681,略小于判定系数;均方根误 (Root MSE),也就是回归模型标准误S.E.或 为0.51234 。 2021/2/12 * 五、多元回归分析的Stata软件操作实例 实验 2 多元回归分析:学习努力程度对大学英语成绩的影响 数据文件“大学英语成绩.dta”(或表S-4)为某高校大一学生英 语期末考试成绩及相关信息,本例关注学生的学习努力程度 对期末成绩的影响,并且用学生的上课出勤率和完成作业的 情况衡量学习努力程度。建立如下模型并进行回归分析: 其中 final 为英语期末考试成绩,attend 为本学期英语课的出 勤率(百分数),homework 为本学期英语课课后作业的完成率 (百分数); 1、打开数据文件。直接双击“大学英语成绩.dta”文件;或点击Stata 窗口工具栏最左侧的Open键,然后选择“大学英语成绩.dta”即可; 2、上述模型的回归分析。命令及运行结果如下: reg final attend homework 2021/2/12 * 五、多元回归分析的Stata软件操作实例 结果显示样本回归方程为: attend 和 homework的回归系数在10%的显著性水平上显著。在保 持作业完成率(homework)不变的条件下,上课出勤率(attend) 提高 10个百分点将令其期末成绩提高0.80分;在保持上课出勤率(attend) 不变的条件下,作业完成率(homework)提高10个百分点将令其期末 成绩提高0.65分;可以认为学习努力程度的确影响期末成绩。判定 系数 和调整的判定系数 仅为0.02,表示attend 和 homework两 个变量联合起来仅能解释 final 总变异的2%多,表明模型的总体 2021/2/12 * 五、多元回归分析的Stata软件操作实例 拟合程度不高。 显然,除了学习努力程度(attend和homework)之外,学生先前的 英语水平也会对期末成绩(final)起到决定性作用;而且如果先前的 英语水平与学习努力程度(attend和homework)相关,那么遗漏了先 前的英语水平作为解释变量就会使得学习努力程度 (attend和 homework)的系数估计值产生偏误。为此,考虑使用入学考试成绩 (entry)衡量先前的英语水平。 首先估算entry和attend以及entry和homework的样本相关系数; 命令为:pwcorr ent