Stata的多元线性回归与泊松回归
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 ...
最新文章
- LeetCode简单题之到目标元素的最小距离
- 算法--组合数学:杨辉三角数学分析以及Java实现
- mybatis的增删改操作及需要注意的问题
- mysql创建表格时候数据格式_mysql建表语句和数据类型
- [Cnoi2019]须臾幻境(LCT维护最大生成树+主席树/分块)
- POJ2259,luoguUVA540-Team Queue【队列】
- ibatis mysql 同时删多个表报错_MySQL中Multiple primary key defined报错的解决办法
- 写好项目文档有多重要?关于我被百大 UP 主选中又放鸽子这档事
- oracle rdbms 占内存_027、Oracle数据库
- 想学python买什么书好-学python3什么书好
- motion的移植和使用
- WPS将Excel表格转换为LaTex表格
- I/O——Spring cache abstraction
- php自动生成phpunit,PHP单元测试利器 PHPUNIT深入用法(三)
- maya安装步骤 新手安装软件基础教程(附安装包)
- matlab求样本相关系数,matlab中样本相关系数的计算与测试
- 给高特键轴开盖的操作技巧
- PostgreSQL 15 新特性解读 | 墨天轮优质文章合集
- office excel无法打开超链接解决方法
- 盈致科技2021大事件 感恩回首过去,高歌猛进一同共创未来