目录
一、回归分析是什么？
（1）相关性：与因果性不同。例如，天气热的时候，空调费用花费多；夏天时候，雪糕销售量也多，按道理，若计算两者，能有“雪糕卖的越多，空调费用越高”，显然这是不合理的。绝大部分时候，我们是不能直接分析严格的因果关系，只能去通过回归分析来研究相关性。
（2）Y：因变量（被解释变量），在研究时候，是核心的研究变量。对应着五种的回归分析，有五种变量类型：
（a）连续性数值变量：例如GDP增长率
(b）0-1型变量：例如某公司研究借款人是否按时还款，Y=0为不还款，Y=1是还款
(c）定序变量：例如设计问卷来询问消费者的满意程度，1为非常满意，2为满意，3为一般，4为有点不满意，5为非常不满意
(d）计数变量：例如管理学历RFM模型，F代表一定时间内客户到访次数，易知改次数是非负整数
(e）生存变量：研究产品寿命、企业寿命甚至于人的寿命。比如，现在我们要观测运动对于人寿命的影响，老王现年65岁，平常基本无运动习惯，但研究时又不可能一直等到他趋势再研究该样本。所以，直接将数据记录为60+，这中数据是截断的。
（3）X：自变量（解释变量）
【分类】
二、回归分析究竟要去解决什么呢？
1、哪些X是和Y真正相关的，那些不是。也就是选择出真正重要的变量。
2、所有这些有用的X变量和Y的相关性是正的呢还是负的呢？
3、在确定了重要的X变量的前提下，还要赋予不同的X不同的权重（即不同的回归系数），分析不同变量之间的相对重要性。
三、数据
【数据分类】
1、横截面数据：在同一个时间节点获得的数据
例如：全国各个省份2018年降水总量
2、时间序列数据
例如：中国历年GDP数据；某地每个小时的温度湿度数据
3、面板数据：综合横截面数据和时间序列数据
例如：2008年到2018年，我国各个省份的GDP数据
【不同数据处理方法】
【数据获取】各类网站数据，python爬虫（留个坑......）
（补本书：《中级计量经济学》）
四、线性回归
在使用特定模型之前，需要先对数据进行预处理。
【回归系数的解释】
如何去衡量内生性：计算扰动项和自变量x的相关系数；
【蒙特卡洛方法】（模拟）
那如果变量很多呢？
什么时候取对数处理？
一般而言，涉及到某些特定的变量时候（由经验可得）：
具体例子：
多分类的虚拟变量：一般而言引入分类数减1个虚拟变量，以免造成多重共线性*，省略的变量作为对照组进行数据分析。
含有交互项的自变量？
五、案例
1、分析定量变量：
stata 命令：regress y x1 x2 ... xk （或者用reg缩写）
上面的图为方差分析图，数据含义：
SS一列分别代表：SSR, SSE, SST
df 一列代表自由度，model 的 df 值即为自变量个数 ，total的 df 值是n-k-1(n为样本数）
下面的图：
第一列Coef为估计出来的对应变量的系数，即前文的β1、β2，cons为β0
第二列std.err为对应的误差
第三列 t检验值： t=coef/std.err
第四列P值，用来分析此变量是否显著异于零（大于0.05），依此决定要不要考虑该变量。
第五第六为区间估计值
2、定性变量：
引入虚拟变量，stata 命令：“regress y x1 x2 ... xk, gen(A)”
扫一扫
7337
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
