如何用stata看數據波動性

㈠ stata回歸分析結果怎麼看

結果顯著就是回歸系數顯著地不等於0.所以是看P值。回歸時，得到一個系數，這個系數一般是不等於0的。但是，系數計算出來後，會給出一個誤差。

你看後面誤差范圍，如果中間有0，比如，在－1.5到2.0之間，這是給定的在一定概率范圍內的系數可能取值范圍。

一般你不做修改的話，這個概率默認是95%。也就是你回歸結果前面的系數有95%的概率落在這之間。如果你的回歸結果數值在這個范圍內比較接近於0，那麼統計上可能推斷比如有35.6%的可能性是0，那這個結果配逗就不顯著，即P值為0.356就不顯著。所以肆賣純看的是P值，而不是系數。

用最小二乘法計算出公式：

（函裂咐數的形式可以由經驗、先驗知識或對數據的直觀觀察決定，或者直接使用多項式）里的系數，擬合就完成了，但是回歸的工作還沒有結束，還需要去研究這些系數（這個公式）的可信度，每個系數對因變數的影響，因為回歸分析認為真正的擬合系數應該是一個隨機變數而非確值。

擬合用最小二乘求出來的這些系數只是對真正系數的一個點估計，所以有必要繼續去研究區間估計或者假設檢驗。總之，擬合只是求出一條曲線能反映數據的趨勢就行了，但是回歸的要求是更高的更精確的。

㈡ stata的t檢驗怎麼用

reg只提供回歸分析，在出的結果里每個變數後面都有P值，P=0代表顯著，P=0.01以下是1%顯著水平顯著，0.05是5%，0.1是10%，如要要T值可以ttest A之類的。

reg y x1 x2 xn
test x1=x2=xn=0

關鍵看三個地方：

1、判定系數R方，為0.9464，擬合優度很高。
2、回歸系數，本例中，常數項為9.347，系數為0.637，
3、看回歸系數的顯著性檢驗，即P值，本例中，x的系數的P值為0.000，小於0.05，說明x對因變數有顯著的影響。其它的基本可以忽略。

Stata：

的統計功能很強，除了傳統的統計分析方法外，還收集了近20年發展起來的新方法，如Cox比例風險回歸，指數與Weibull回歸，多類結果與有序結果的logistic回歸，Poisson回歸，負二項回歸及廣義負二項回歸，隨機效應模型等。具體說， Stata具有如下統計分析能力：
數值變數資料的一般分析：參數估計，t檢驗，單因素和多因素的方差分析，協方差分析，交互效應模型，平衡和非平衡設計，嵌套設計，隨機效應，多個均數的兩兩比較，缺項數據的處理，方差齊性檢驗，正態性檢驗，變數變換等。