“傻瓜”学计量——OLS1（变量及模型的选取、回归结果3000字超详细解读）

提纲：

自变量和因变量

控制变量   （选择 多重共线性 stata检验多重公共线性）

各模型的适用条件

回归结果解读

1 自变量与因变量

1.1要知道谁是“因”谁是“果”

举例：

在一般的多元线性回归模型中，重要的自变量放前面，叫做“主要自变量”，如下图所示：

2 控制变量

2.1 关于控制变量的几个问题

2.1.1 控制变量是自变量嘛？

是

2.1.2 控制变量与主要自变量可以互换位置吗？

可以，并不影响回归结果。但是一般来说不这么做。

2.1.3 两者区别是什么？

因果关系。主要自变量是我们想要研究的，后面还要解释与Y的因果关系。而控制变量只要不影响回归结果就可以了。

2.2 如何选择控制变量？

按照自己的领域，多看前人的文献进行选择。

2.3 多重共线性

2.3.1 如果控制变量之间，存在高度相关or完美相关，即该模型存在多重共线性问题。

如果两个控制变量之间存在多重共线性问题，则该变量之前的系数就会出现误差，其实际经济意义不准确。

2.3.2 多重共线性的检验

（1）容忍性（Tolerance）

（2）方差膨胀系数（vif,variance inflation factor）        

stata操作如下：

regress 因变量 自变量                       进行OLS回归

estat vif                                               计算方差膨胀系数的指令

若回归结果vif值>10,则存在多重共线性问题。

3 如何选择模型（根据因变量Y）

---

先来个总结，方便大家对比记忆

---

3.1 几种模型及使用条件

3.1.1.y是连续变量：OLS模型

（1）注意：

（不用严格连续，如人民币单位“元”）

（误差项符合正态分布）

（2）stata指令

reg 因变量 自变量                        进行OLS的回归

（3）结果解读

最后一行“cons",全称“constant",是指常数项，对应的是0。

第三列"t",看这个回归系数是否显著。

3.1.2 y是0-1变量：Logit/Probit回归

（1）注意：

Logit 和 Probit 的适用条件

	假设服从什么分布
Logit	logistic分布
Probit	正态分布

一般实证中，logit使用较多。因为比较好解读。

（2）stata指令

logit 因变量 自变量

probit 因变量 自变量

3.1.3 y是分类变量：ologit或者mlogit回归

ologit和 mlogit回归 的适用条件

	分类变量
ologit	有序
mlogit回归	无序

3.1.4 y是计数变量：poisson回归（stata指令相同）

计数变量（count variable）:例如，多少人、多少次、多少天

计数变量的特点：整数    非负数     

各种模型使用条件已经放在本节开头⬆

4 回归结果解读（超详细）

4.1 上半部分

主要汇报：回归模型的拟合程度、一些针对模型的指标

4.1.1 左侧ÿ