1. 相关性检测

Pearson相关系数

correlate [varlist] [if] [in] [weight] [, correlate_options]

Spearman相关系数

pwcorr [varlist] [if] [in] [weight] [, pwcorr_options]

# correlate可简写为corr
corr y x1 x2 x3
pwcorr y x1 x2 x3

2. 多元线性回归

2.1 reg命令

regress depvar [indepvars] [if] [in] [weight] [, options]

# regression可简写为reg
reg y x1 x2 x3

引入虚拟变量

# x4为需要引入的虚拟变量
xi: reg y x1 x2 x3 i.x4

共线性分析

# 当 VIF > 10 则认为变量存在多重共线性
# mean VIF 小于 3.3 模型较为合理
estat vif

2.2 areg 命令

[R] areg – Linear regression with a large dummy-variable set
areg depvar [indepvars] [if] [in] [weight], absorb(varname) [options]

areg命令是reg命令的一个优化。有些时候我们想在回归中控制很多虚拟变量，但又不想生成虚拟变量，也不想报告虚拟变量的回归结果，那么就可以使用areg命令。areg结果与reg命令等价。
不过absorb()里只能加入一个变量，如果还需更高维度的固定效应，则需加入i.var的方式引入固定变量

areg like stars text_len sentiment polarity i.year, absorb(business_id) vce(cluster business_id)

cluster standard error
cluster standard error是Areallano standard error，这个标准差最大的假设是截面是独立的，简单来说在大N小T的情况下，可以忽略时间序列层次上的相关性，用三明治标准差计算。robust standard error要求时间序列层次上没有相关性，只是调整了异方差
链接：https://www.zhihu.com/question/388390329/answer/1160658265

2.3 reghdfe 命令

REGHDFE: Linear models with multi-way fixed effects and multi-way clustering
Least-square regressions (no fixed effects):
reghdfe depvar [indepvars] [if] [in] [weight] [, options]
Fixed effects regressions:
reghdfe depvar [indepvars] [if] [in] [weight] , absorb(absvars) [options]
Fixed effects regressions with group-level outcomes and individual FEs:
reghdfe depvar [indepvars] [if] [in] [weight] , absorb(absvars indvar) group(groupvar) individual(indvar) [options]

reghdfe 主要用于实现多维固定效应线性回归。在保证有效吸收多种固定效应后提高运行速度
因为是外源命令，在使用前请先下载命令包

ssc install reghdfe

命令更多介绍：REGHDFE: Linear Regressions With Multiple Fixed Effects

reghdfe like stars text_len sentiment polarity, absorb(year business_id) vce(cluster business_id)

参考来源：关于固定效应模型的四个Stata命令

3. 泊松回归

poisson depvar [indepvars] [if] [in] [weight] [, options]

poisson y x1 x2 x3

关于选择负二项回归与泊松回归

it’s well known that poisson estimator with robust/clustered SE (this is called pseudo ML poisson) can account for overdisperson and zero-inflated data, and

negative binominal models can not account for business dummies (you can force the program to add them, but results will be wrong).

Stata的多元线性回归与泊松回归相关推荐

Stata面板设置与面板数据多元线性回归与泊松回归命令
1. 设置面板 [XT] xtset – Declare data to be panel data xtset panelvar timevar [, tsoptions] # example xt ...
Python+statsmodels实现多元线性回归和泊松回归
statsmodels是python中专门用于统计学分析的包,它能够帮我们在模型未知的情况下来检验模型的线性显著性更多回归模型见:statsmodels-formula-api 在建立回归方程前首先 ...
19 多元线性回归与模型回归
19 多元线性回归与模型回归标签:机器学习与数据挖掘 1.调整 R 2 R^2 R2 对于 R 2 R^2 R2,只要添加入新的参数,它就会变大,不过这个变量有没有用.而我们采用调整 R 2 ...
总离差平方和公式_在多元线性回归模型中,回归平方和与总离差平方和的比值称为( )_学小易找答案...
[单选题]参数的估计量具备有效性是指( ) [多选题]关于多重判定系数的公式正确的有( ) [多选题]不满足OLS基本假定的情况,主要包括( ) [单选题]在多元回归分析中,F检验是用来检验( ...
机器学习（多元线性回归模型逻辑回归）
多元线性回归定义:回归分析中,含有两个或者两个以上自变量,称为多元回归,若自变量系数为1,则此回归为多元线性回归. (特殊的:自变量个数为1个,为一元线性回归)多元线性回归模型如下所示: 如上图所示 ...
多元线性回归，岭回归，lasso回归（具体代码（包括调用库代码和手写代码实现）+一点点心得)
最近数据挖掘导论老师布置了一项作业,主要就是线性回归的实现,笔者之前听过吴恩达的线性回归的网课,但一直没有进行代码的实现,这次正好相对系统的整理一下,方便各位同学的学习,也希望能够对其进行优化,优化的 ...
调整泊松回归中的过度分散
广义线性模型(Generalized Linear Models) The Poisson regression model naturally arises when we want to mode ...
十二、案例：加利福尼亚房屋价值数据集（多元线性回归） Lasso 岭回归分箱处理非线性问题多项式回归
案例:加利福尼亚房屋价值数据集(线性回归)& Lasso & 岭回归 & 分箱处理非线性问题点击标题即可获取文章源代码和笔记 1. 导入需要的模块和库 from sklear ...
【机器学习之线性回归】多元线性回归模型的搭建+Lasso回归的特征提取
文章目录前言一.多元线性回归 1.原理介绍 2.sklearn代码实现二.Lasso回归 1.原理介绍 2.sklearn代码实现三.总结前言回归是监督学习的一个重要问题,回归用于预测输入 ...

Stata的多元线性回归与泊松回归