用stata做回归分析

excel做回归分析

Excel做线性回归分析基本原理及实例

一、原理

1、回归分析原理

由一个或一组非随机变量来估计或预测某一个随机变量的观测值时，所建立的数学模型及所进行的统计分析，称为回归分析。按变量个数的多少，回归分析有一元回归分析与多元回归分析之分，多元回归分析的原理与一元回归分析的原理类似。按变量之间关系的形式，回归分析可以分为线性回归分析和非线性回归分析。

2 、回归分析的主要内容

回归分析的内容包括如何确定因变量与自变量之间的回归模型；如何根据样本观测数据，估计并检验回归模型及未知参数；在众多的自变量中，判断哪些变量对因变量的影响是显著的，哪些变量的影响是不显著的；根据自变量的已知值或给定值来估计和预测因变量的值。

3、利用图表进行分析

例23-1：某种合成纤维的强度与其拉伸倍数之间存在一定关系，图23-1所示（“线性回归分析”工作表）是实测12个纤维样品的强度y与相应的拉伸倍数x的数据记录。试求出它们之间的关系。

excel做回归分析

（1）打开“线性回归分析”工作表。

（2）利用“图表向导”绘制 “XY散点图”。

（3）在“XY散点图”中绘制趋势回归直线，如图23-2所示。

excel做回归分析

二、 Excel中的回归分析工作表函数

（1）截距函数

stata回归分析完整步骤——吐血推荐

****下载连乘函数prod,方法为:findit dm71 sort stkcd date //对公司和日期排序 gen r1=1+r //r为实际公司的股票收益率 gen r2=1+r_yq //r_yq为公司的预期股票收益率

egen r3=prod(r1),by(stkcd date) //求每个公司事件日的累计复合收益率 egen r4=prod(r2),by(stkcd date) //求每个公司事件日的累计预期的复合收益率 gen r=r4-r3

capture clear （清空内存中的数据）

capture log close （关闭所有打开的日志文件） set mem 128m （设置用于stata使用的内存容量）

set more off （关闭more选项。如果打开该选项，那么结果分屏输出，即一次只输出一屏结果。你按空格键后再输出下一屏，直到全部输完。如果关闭则中间不停，一次全部输出。） set matsize 4000 （设置矩阵的最大阶数。我用的是不是太大了？） cd D: （进入数据所在的盘符和文件夹。和dos的命令行很相似。）

log using （文件名）.lo

stata回归分析完整步骤——吐血推荐

****下载连乘函数prod,方法为:findit dm71 sort stkcd date //对公司和日期排序 gen r1=1+r //r为实际公司的股票收益率 gen r2=1+r_yq //r_yq为公司的预期股票收益率

egen r3=prod(r1),by(stkcd date) //求每个公司事件日的累计复合收益率 egen r4=prod(r2),by(stkcd date) //求每个公司事件日的累计预期的复合收益率 gen r=r4-r3

capture clear （清空内存中的数据）

capture log close （关闭所有打开的日志文件） set mem 128m （设置用于stata使用的内存容量）

set more off （关闭more选项。如果打开该选项，那么结果分屏输出，即一次只输出一屏结果。你按空格键后再输出下一屏，直到全部输完。如果关闭则中间不停，一次全部输出。） set matsize 4000 （设置矩阵的最大阶数。我用的是不是太大了？） cd D: （进入数据所在的盘符和文件夹。和dos的命令行很相似。）

log using （文件名）.lo

在此处利用两个简单的回归分析案例让初学者学会使用STATA进行回归分析。

STATA版本：11.0

案例1：

某实验得到如下数据

x y

对x y 进行回归分析。

第一步：输入数据（原始方法）

1 4

2

3

4

5

5.5 6.2 7.7 8.5

1.在命令窗口 输入 input x y /有空格 2.回车

得到：

1

3.再输入：

1 4 2 5.5 3 6.2 4 7.7 5 8.5 end

4.输入list 得到

5.输入 reg y x 得到回归结果

回归结果：

y?3.02?1.12x

T= (15.15) (12.32) R2=0.98

解释一下：

SS是平方和，它所在列的三个数值分别为回归误差平方和（SSE）、残差平方和（SSR）及总体平方和（SST），即分别为Model、Residual和Total相对应的数值。 df（degree of freedom）为自由度。

MS为SS与df的比值，与SS对应，SS是平方和，MS是均方，是指单位自由度的平方和。

coef.表明系数的，因为该因素t检验的P值是0.0

用Excel进行一元线性回归分析

Excel功能强大，利用它的分析工具和函数，可以进行各种试验数据的多元线性回归分析。本文就从最简单的一元线性回归入手.

在数据分析中，对于成对成组数据的拟合是经常遇到的，涉及到的任务有线性描述，趋势预测和残差分析等等。很多专业读者遇见此类问题时往往寻求专业软件，比如在化工中经常用到的Origin和数学中常见的MATLAB等等。它们虽很专业，但其实使用Excel就完全够用了。我们已经知道在Excel自带的数据库中已有线性拟合工具，但是它还稍显单薄，今天我们来尝试使用较为专业的拟合工具来对此类数据进行处理。

文章使用的是2000版的软件,我在其中的一些步骤也添加了2007版的注解.

1 利用Excel2000进行一元线性回归分析

首先录入数据.

以连续10年最大积雪深度和灌溉面积关系数据为例予以说明。录入结果见下图（图1）。

图1

第二步，作散点图

如图2所示，选中数据（包括自变量和因变量），点击“图表向导”图标；或者在“插入”菜单中打开“图表（H）(excel2007)”。图表向导的图标为。选中数据后，数据变为蓝色（图2）。

图2

）：

点击“图表向导”以后，弹出如下对话框（图3

在左边一栏中选中“XY散点图”，点击“完成”按钮，立即出

一、用REG过程进行回归分析

SAS/STAT中提供了几个回归分析过程，包括REG（回归）、RSREG（二次响应面回归）、ORTHOREG（病态数据回归）、NLIN（非线性回归）、TRANSREG（变换回归）、CALIS（线性结构方程和路径分析）、GLM（一般线性模型）、GENMOD（广义线性模型），等等。我们这里只介绍REG过程，其它过程的使用请参考《SAS系统――SAS/STAT软件使用手册》。 REG过程的基本用法为：

PROC REG DATA=输入数据集 选项; VAR 可参与建模的变量列表; MODEL 因变量＝自变量表 / 选项; PRINT 输出结果; PLOT 诊断图形; RUN;

REG过程是交互式过程，在使用了RUN语句提交了若干个过程步语句后可以继续写其它的REG 过程步语句，提交运行，直到提交QUIT语句或开始其它过程步或数据步才终止。

例如，我们对SASUSER.CLASS中的WEIGHT用HEIGHT和AGE建模，可以用如下的简单REG 过程调用：

proc reg data=sasuser.class; var weight height age; model weight=height age;

用stata做事件研究

时间研究通常被用来检验市场对附带相应利益事件的反应。事件研究通常包括以下几步：

（1）净化数据（提出无关和无法研究以及其他原因）和计算事件窗口 （2）估计正常表现

（3）计算异常表现和累积超额回报 （4）显著性检验

（5）全部事件交叉检验（相当于稳健性检验）

这个文章旨在帮助你用stata来开展事件研究。假设你已经拥有一个时间变量（date）和公司标识（company_id），如果你需要准备你的数据或者想要利用我们的数据尝试一下相应的命令，去data preparation页面。

我们同时也假设你对stata 有一个基本的了解。如果你需要和stata命令相关的帮助，你可以从here找到更多。如果你从一个可执行文件中进入命令，你的任务就会简单的多，因为可执行文件中包含了一系列的stata命令。

净化数据并计算事件窗口和估计窗口

你很可能获取了超出你需要的每个公司的观察值，也有可能有一些公司的观察值不充分。在你开展下一步前，你必须确保你的分析是建立在正确的观察值之上。为了实现这一点，你需要设立一个变量 dif ，它将会计算从观察（相当于估计期）到事件期的天数，这即有可能是节假日，也有可能是交易日。

就交易日天数：

sort

一、邹式检验（突变点检验、稳定性检验）

1.突变点检验

1985—2002年中国家用汽车拥有量（yt，万辆）与城镇居民家庭人均可支配收入（xt，元），数据见表6.1。

表6.1 中国家用汽车拥有量（yt）与城镇居民家庭人均可支配收入（xt）数据

年份 1985 1986 1987 1988 1989 1990 1991 1992 1993

yt（万辆） xt（元）28.49

34.71 42.29 60.42 73.12 81.62 96.04 118.2 155.77

739.1 899.6 1002.2 1181.4 1375.7 1510.2 1700.6 2026.6 2577.4

年份 1994 1995 1996 1997 1998 1999 2000 2001 2002

xt（元） yt（万辆）205.42

249.96 289.67 358.36 423.65 533.88 625.33 770.78 968.98

3496.2 4283 4838.9 5160.3 5425.1 5854 6280 6859.6 7702.8

下图是关于yt和xt的散点图：

从上图可以看出，1996年是一个突变点，当城镇居民家庭人均可支

回归分析 1）：变量选择与逐步回归 stepwise(X,y)

stepwise(X,y,inmodel,penter,premove) 课本P317

输入x为候选变量集合的n*k数据矩阵(n是数据容量,k是变量数目),y为因变量数据向量(n维),inmodel是初始模型中包括的候选变量集合的指标(矩阵x的列序数,

默认时设定为全部候选变量),penter是引入变量的显著性水平(默认时庙宇为0.05),premove是剔除变量的显著性水平(默认时设定为0.10)

调查了12名6到12岁正常儿童的体重,身高和年龄,如表,建立回归模型用于 预测从身高和年龄儿童的体重

1 2 3 4 5 6 7 8 9 10 11 12 y/kg 27.1 30.2 24.0 33.4 24.9 24.3 30.9 27.8 29.4 24.8 36.5 29.1 x1/m 1.34 1.49 1.14 1.57 1.19 1.17 1.39 1.21 1.26 1.06 1.64 1.44 x2/

--

STATA 回归估计常见问题及解决方法

一、多重共线问题

//多重共线性并不会改变OLS估计量BULE的性质，但会使得对系数的估计变得不准确。

//Stata检查是否存在多重共线的方法：

estat vif

//VIF值越大说明多重共线性问题越严重。一般认为，最大的VIF不超过10，则不存在明显的多重共线性。

/*解决办法：

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。

二、序列相关问题

/*Stata检查是否存在序列相关的方法：

1.画图

在做完回归之后，先生成残差项e

scatter e L.e

2.BG检验

estat bgodfrey（默认滞后阶数为1）

3.Ljung-Box Q检验

eg: reg y x1 x2 x3

predict e,res

wntestq e

3.DW检验

estat dwatson解决办法：

1.Newey稳健性标准差

newey y x,lag(p) (滞后阶数必选)

2.可行广义最小二乘法（FGLS）

prais y x

prais y x,corc