本文目录一览

1，求助Stata多元Logit回归分析结果解释

因为你的q1有三个值，分别是1,2,3，回归结果就有三行数据。其中，在结果数据中，q1=2的情况最多，所以是基准输出，表中系数回归的结果，是相对于q=2进行比较的数据，值为正表示可能性比q=2大，反之表示可能性比之小。所以你的结果中有三行数据。希望帮到你。
logistic报告回归结果的odds ratio（风险比），结果是否显著可以看sig。就是以一种样本为基础，其它的比之相比的风险。可以查阅一下统计学方面的书，就是一个比值，不是太难的。
reg只提供回归分析，在出的结果里每个变量后面都有p值，p=0代表显著，p=0.01以下是1%显著水平显著，0.05是5%，0.1是10%，如要要t值可以ttest a之类的

求助Stata多元Logit回归分析结果解释

2，求大神帮分析一下stata回归结果

三个变量g,m,s和常数项；其中只有size显著，可以看其t值和p值，p值小于0.05，所以其在95%置信度下显著。拟合度较低，查看adj R-squared，越接近1拟合度越高，此模型拟合度较差。模型整体在95%与99%显著，查看F值为5.5，对应的p值0.001，小于0.05。可以考虑检测共线性，异方差，自回归性等
木有一个变量是显著的……所有变量的p值都好大的说~整个模型的p值也很大……结论就是这个模型本身统计不显著，各个变量也不显著。看回归分析结果，你先看右上角那个prob> f，那个是对整个模型的检验，如果这个值比0.05大，就是不显著的。下面那些变量，你就看那个p>|t|的值，如果比0.05大，也是不显著的。其他还有，但你这个结果一看这俩都不行，就不用往下看了。

求大神帮分析一下stata回归结果

3，stata 回归分析结果求大神解读在线等

变量都是代表什么东西，还有数据都是什么。还有你的no. of obs太少了，所以一眼看过去就知道没有一个变量是significant的，数据太少了
木有一个变量是显著的……所有变量的p值都好大的说~整个模型的p值也很大……结论就是这个模型本身统计不显著，各个变量也不显著。看回归分析结果，你先看右上角那个prob> F，那个是对整个模型的检验，如果这个值比0.05大，就是不显著的。下面那些变量，你就看那个P>|t|的值，如果比0.05大，也是不显著的。其他还有，但你这个结果一看这俩都不行，就不用往下看了。
三个变量g,m,s和常数项；其中只有size显著，可以看其t值和p值，p值小于0.05，所以其在95%置信度下显著。拟合度较低，查看adj r-squared，越接近1拟合度越高，此模型拟合度较差。模型整体在95%与99%显著，查看f值为5.5，对应的p值0.001，小于0.05。可以考虑检测共线性，异方差，自回归性等

stata 回归分析结果求大神解读在线等

4，面板数据回归分析结果看不懂

我给你解读一份stata的回归表格吧，应该有标准表格的所有内容了，因为你没有给范例，……不过我们考试基本就是考stata或者eview的输出表格，它们是类似的。X变量：教育年限Y变量：儿女数目各个系数的含义：左上列：Model SS是指计量上的SSE，是y估计值减去y均值平方后加总，表示的是模型的差异Model df是模型的自由度，一般就是指解释变量X的个数，这里只有一个Residual SS 和df 分别是残差平方和以及残差自由度 N-K-1（此处K=1）=17565Total SS 和 df分别是y的差异（y减去y均值平方后加总）以及其自由度N-1=17566MS都是对应的SS除以df，表示单位的差异右上列：Number of obs是观测值的数目N，这里意味着有17567个观测值F是F估计值，它是对回归中所有系数的联合检验（H0：X1=X2=…=0），这里因为只有一个X，所以恰好是t的平方。这里F值很大，因此回归十分显著。Prob>F是指5%单边F检验对应的P值，P=0意味着很容易否定H0假设，回归显著。R-squared是SSE/SST的值，它的意义是全部的差异有多少能被模型解释，这里R-squared有0.0855，说明模型的解释度还是可以的。Adj R-squared是调整的R-squared，它等于1-（n-1）SSR/（n-k-1）SST，它的目的是为了剔除当加入更多X解释变量时，R-squared的必然上升趋势，从而在多元回归中更好的看出模型的解释力，但是本回归是一元的，这个值没有太大意义。Root MSE是RMS的开方，是单位残差平方和的一种表现形式。下列：Coef分别出示了X变量schooling的系数和常数项的值，其含义是，如果一个人没有受过教育，我们预测会平均生育3个子女，当其他因素不变时，一个人每多受一年教育，我们预测其将会少生0.096个孩子。X变量的coef并不大，因此其实际（也叫经济）显著性并不太高。Std.err则是估计系数和常数项的标准差。一般我们认为，标准差越小，估计值越集中、精确。t是t估计值，它用于检验统计显著性，t值较大，因此回归是显著的。P>abs(t)项是5%双边t检验对应的P值，P=0意味着很容易否定H0假设，统计显著。95%conf interval项是95%的置信区间，它是x变量的系数（或常数项）分别加减1.96*SE，这是说，有95%的可能性，系数的真值落在这个区域。
这个没什么复杂吧 ，跟普通回归的解释方法一样。先看prob>F的值 也就是p的值 ＜0.05，说明在0.05水平上 你这个回归模型有显著意义。调整的R2=0.0439，就是模型对因变量的解释率然后下面那个就是回归分析的各个自变量的参数估计表格。从p的值可以看出，只有rate和age两个自变量对因变量有显著影响，且rate是负影响。那个图就是个相关分析矩阵，每个小方块的散点图表示对应两个变量之间的相关性描述。最下面那个表 是 rate、age、degree三个变量之间的两两相关分析矩阵表，一行是相关系数一行是显著性检验的p值

文章TAG：stata  回归  回归分析  分析  stata回归分析结果解读  
下一篇