STATA regress回归结果分析

对于STATA回归结果以前一直不清不楚，每次都需要baidu一波，因此今天将结果相关分析记录下：

如上图
上面左侧的表是用来计算下面数据的，分析过程中基本不会用到

右侧从上往下

1.Number of obs 是样本容量

2.F是模型的F检验值，用来计算下面的P>F

3.P>F是模型F检验落在小概率事件区间的概率，你的模型置信水平是0.05，也就是说P>F值如果大于0.05，那么模型就有足够高的概率落在F函数的小概率区间，简单的说，如果这个值大于0.05你这个模型设定有就问题，要重新设定模型
4.R-squard也就是模型的R²值，拟合优度，这个数越大你的模型和实际值的拟合度就越高，模型越好

5.Adj .R-squard 这个是调整过的R²，跟上面R²差不多，只需要关注一个

6.Root mse 是残差标准差，值越大残差波动越大，模型越不稳定（这个值我分析的时候一般不太关注）

下侧表格

coef.是估计得到的系数值

std.err是标准差，这个数有重要意义，一般论文里都要求把标准差表示出来，这个数越大模型越不精确，越小越好

t是t检验值，t检验是用来检验某个系数是否显著区别于0的，在分析中这个值一般没什么意义，主要用来计算P>t

P>t,这个值是观察某个解释变量是否有效的主要参数，还是对于你设置的0.05的置信水平，如果这个值大于0.05说明对应的解释变量不能通过t检验，在模型中是不合格的，就需要作调整

后面两个就是置信区间了，95%的置信区间，一般意义不大
此外_cons 表示常数项，这个在回归之前可以设置，但目前我不太清楚，为什么加了常数项相关指标会降低，而没有常数项如下所示，其指标都较为良好，希望以后能把这个洞补上，此外，像这个结果，如果不考虑常数项，因为因变量标价一定是整数，所以自变量极大概率都是整数，因此这样子拟合其实没太大参考价值，甚至会得出一些与现实明显不符的结果，这个值得注意，因此最好加上常数项，以代表一些不可抗力因素。