数学建模学习笔记(清风)——多元线性回归

目录

基础部分:

适用范围:

步骤:

Stata的学习:

基础部分:

适用范围:

        1、识别重要变量

        2、判断相关性方向

        3、估计权重

步骤:

        1、确定回归模型,定义自变量和因变量

        2、利用最小二乘法对系数进行点估计

        3、利用怀特检验去观察扰动项是否存在异方差,使用OLS+稳健的标准误处理

        4、分析模型是否存在多重共线性,利用逐步回归进行处理

Stata的学习:

summarize    变量一、变量二~~~变量n          做出数据的描述性统计

tabulate 变量名, gen(A)            把定性数据z转换成以A开头的定量数据

regress y x1 x2 x3 …xk                默认使用OLS计算系数,得到未标准化的结果

regress y x1 x2 x3 …xk,beta   回归结果标准化,去除量纲的影响

rvfplot               画残差与拟合值的散点图

rvpolot  x          画残差与自变量x的散点图

estat  hettest  ,rhs  iid                    利用BP检验对异方差进行检验

estat  imtest , white                       利用怀特检验对异方差进行检验

regress y x1 x2 … xk , robust     使用OLS+稳健的标准误对异方差进行处理

estat  vif           检测模型是否存在多重共线性

stepwise regress y x1 x2 … xk,pe(#1)     向前逐步回归

stepwise regress y x1 x2 … xk,pe(#2)     向后逐步回归

rvfplot           绘制残差与因变量之间的散点图

rvpplot          绘制残差与自变量之间的散点图

你可能感兴趣的:(数学建模,线性回归,算法,回归)