1、多元回归
regress y x1 x2 x3
reg y x1 x2 x32、解释定义
1）右上角
Number of obs ：样本容量N
F(n,N)：F统计量，自由度为k（约束条件）、m(N-K)——检验整个方程的联合显著性
Prob>F：F统计值对应的P值（0.0000：极小概率事件，显著；>0.1，解释方程基本没用，设计有问题不显著）
R-squared：所有的解释变量(x)可以解释y的变得约有R2%的变动（可以由x解释）。
Adj R-squared：
Root MSE：s2开根号，扰动项的标准差的估计量
2）下边
_cons：常数项，解释变量x均为0时，被解释变量y的值
Coef.：回归系数
Std.Err：标准误
t：= Coef./Std.Err
P>|t|：在……%显著
[95% Conf. Intervall]：置信区间
3、回归系数的协方差矩阵
vce
主对角线元素为各回归系数的方差，而非主对角线元素则为相应的协方差。
4、无常数项回归
reg y x1 x2 x3,noconstant
由于常数项很显著，故忽略常数项将导致估计偏差，得不到一 致估计。即使真实模型不包括常数项，在回归中加入常数项，也不会导致不一致的估计，故危害较小。反之，如果真实模型包括常数项，但在回归时被忽略了，则可 能导致严重的估计偏差。因此，一般建议在回归中包括常数项。
5、对子样本进行回归
reg y x1 x2 if x3(条件)& x4
6、不汇报结果
quietil <命令>
qui <命令>7、计算拟合值
1）被解释变量
predict y12）计算残差
predict e,residual
predict e,r8、双边检验：检验原假设
检验x1的回报率是否为n/100%
test x1 = n%
te x1 = n%
由于t分布的平方为F 分布，故Stata统一汇报F 统计量及其 p值。 上表显示，p值 = 0.6515，故无法拒绝原假设。
由于默认为双边检验，故可计算此t统计量对应的 p值如下：文章来源：https://www.toymoban.com/news/detail-420908.html
dis ttail(752,0.45188757)*2 9、单边检验
dis ttail(752,0.45188757如果已知双边检验的 p值，在做单边检验时(假设t统计量的符号 与替代假设的方向相同)，一般只需将双边检验的 p值除以 2，即可得到单边检验的p值，然后得到单边检验的结果文章来源地址https://www.toymoban.com/news/detail-420908.html
10、检验N解释变量的系数是否相等
test x1 = x2test x1+x2=x3到了这里，关于计量经济学及Stata应用 5.12 多元回归的Stata实例的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
