Stata軟件之回歸講解

計(jì)量經(jīng)濟(jì)軟件應(yīng)用——Stata軟件試驗(yàn)之一元、多元回來(lái)分析內(nèi)容概要一、試驗(yàn)?zāi)康亩⒑?jiǎn)潔回來(lái)分析的Stata基本叮囑三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例四、多元回來(lái)分析的Stata基本叮囑五、多元回來(lái)分析的Stata軟件操作實(shí)例一、試驗(yàn)?zāi)康模?/p>

駕馭運(yùn)用Stata軟件進(jìn)行簡(jiǎn)潔回來(lái)分析以及多元回來(lái)分析的操作方法和步驟，并能看懂Stata軟件運(yùn)行結(jié)果。

二、簡(jiǎn)潔回來(lái)分析的Stata基本叮囑簡(jiǎn)潔線性回來(lái)模型(simplelinearregressionmodel)指只有一個(gè)說(shuō)明變量的回來(lái)模型。如：其中，y為被說(shuō)明變量，x為說(shuō)明變量，u為隨機(jī)誤差項(xiàng)，表示除x之外影響y的因素；稱為斜率參數(shù)或斜率系數(shù)，稱為截距參數(shù)或截距系數(shù)，也稱為截距項(xiàng)或常數(shù)項(xiàng)。簡(jiǎn)潔線性回來(lái)模型的一種特殊狀況：即假定截距系數(shù)時(shí)，該模型被稱為過(guò)原點(diǎn)回來(lái)；過(guò)原點(diǎn)回來(lái)在實(shí)際中有確定的應(yīng)用，但除非有特殊明確的理論分析表明，否則不宜輕易運(yùn)用過(guò)原點(diǎn)回來(lái)模型。二、簡(jiǎn)潔回來(lái)分析的Stata基本叮囑regressyx以y為被說(shuō)明變量，x為說(shuō)明變量進(jìn)行一般最小二乘(OLS)回來(lái)。regress叮囑可簡(jiǎn)寫為橫線上方的三個(gè)字母reg。regressyx,noconstanty對(duì)x的回來(lái)，不包含截距項(xiàng)(constant)，即過(guò)原點(diǎn)回來(lái)。predictz依據(jù)最近的回來(lái)生成一個(gè)新變量z，其值等于每一個(gè)觀測(cè)的擬合值（即）。predictu,residual依據(jù)最近的回來(lái)生成一個(gè)新變量u，其值等于每一個(gè)觀測(cè)的殘差（即）。三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例試驗(yàn)1簡(jiǎn)潔回來(lái)分析：教化對(duì)工資的影響勞動(dòng)經(jīng)濟(jì)學(xué)中常常探討的一個(gè)問(wèn)題是勞動(dòng)者工資的確定。不難想象，確定工資的因素有很多，例照實(shí)力、性別、工作閱歷、教化水平、行業(yè)、職業(yè)等。在這里僅考慮其中一種因素：教化水平，建立如下計(jì)量模型：其中，wage為被說(shuō)明變量，表示小時(shí)工資，單位為元；edu為說(shuō)明變量，表示受教化年限，即個(gè)人接受教化的年數(shù)，單位為年；u為隨機(jī)誤差項(xiàng)。假定模型(3.1)滿足簡(jiǎn)潔回來(lái)模型的全部5條基本假定，這樣的OLS估計(jì)量將是最佳線性無(wú)偏估計(jì)量。請(qǐng)依據(jù)表S-2中給出的數(shù)據(jù)接受Stata軟件完成上述模型的估計(jì)等工作。三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例1、打開數(shù)據(jù)文件。干脆雙擊“工資方程1.dta”文件；或者點(diǎn)擊Stata窗口工具欄最左側(cè)的Open鍵，然后選擇“工資方程1.dta”即可；或者先復(fù)制Excel表S-2中的數(shù)據(jù)，再點(diǎn)擊Stata窗口工具欄右起第4個(gè)DataEditor鍵，將數(shù)據(jù)粘貼到打開的數(shù)據(jù)編輯窗口中，然后關(guān)閉該數(shù)據(jù)編輯窗口，點(diǎn)擊工具欄左起其次個(gè)Save鍵保存數(shù)據(jù)，保存時(shí)須要給數(shù)據(jù)文件命名。2、給出數(shù)據(jù)的簡(jiǎn)要描述。運(yùn)用describe叮囑，簡(jiǎn)寫為：des得到以下運(yùn)行結(jié)果；三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例結(jié)果顯示“工資方程1.dta”數(shù)據(jù)文件包含1225個(gè)樣本和11個(gè)變量；11個(gè)變量的定義及說(shuō)明見第3列。三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例3、變量的描述性統(tǒng)計(jì)分析。對(duì)于定量變量，運(yùn)用summarize叮囑：suageeduexpexpsqwagelnwage，得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果；第1列：變量名；第2列：觀測(cè)數(shù)；第3列：均值；第4列：標(biāo)準(zhǔn)差；第5列：最小值；第6列：最大值。三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例4、wage對(duì)edu的OLS回來(lái)。運(yùn)用regress叮囑：regwageedu，得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果；(1)表下方區(qū)域?yàn)榛镜幕貋?lái)結(jié)果。第1列依次為被說(shuō)明變量wage，說(shuō)明變量edu，截距項(xiàng)constant；第2列回來(lái)系數(shù)的OLS估計(jì)值；第3列回來(lái)系數(shù)的標(biāo)準(zhǔn)誤；第4列回來(lái)系數(shù)的t統(tǒng)計(jì)量值；寫出樣本回來(lái)方程為：即假如受教化年限增加1年，平均來(lái)說(shuō)小時(shí)工資會(huì)增加0.39元。三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例(2)表左上方區(qū)域?yàn)榉讲罘治霰?。?列從上到下依次為回來(lái)平方和(SSE)、殘差平方和(SSR)和總離差平方和(SST)；第3列為自由度，分別為k=1，n-k-1=1225-1-1=1223，n-1=1225-1=1224；第4列為均方和(MSS)，由各項(xiàng)平方和除以相應(yīng)的自由度得到。(3)表右上方區(qū)域給出了樣本數(shù)(Numberofobs)、判定系數(shù)(R-squared)、調(diào)整的判定系數(shù)(AdjR-squared)、F統(tǒng)計(jì)量的值、回來(lái)方程標(biāo)準(zhǔn)誤或均方根誤(RootMSE，或S.E.)以及其他一些統(tǒng)計(jì)量的信息。上述回來(lái)分析的菜單操作實(shí)現(xiàn)：Statistics→Linearmodelsandrelated→Linearregression→彈出對(duì)話框，在DependentVariable選項(xiàng)框中選擇或鍵入wage，在IndependentVariables選項(xiàng)框中選擇或鍵入edu→點(diǎn)擊OK即可三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例5、生成新變量z為上一個(gè)回來(lái)的擬合值，生成新變量u為上一個(gè)回來(lái)的殘差；然后依據(jù)u對(duì)數(shù)據(jù)進(jìn)行從小到大的排序，并列出u最小的5個(gè)觀測(cè)。叮囑如下：predictz(生成擬合值)predictu,residual(生成殘差)sortu(依據(jù)u對(duì)數(shù)據(jù)從小到大排序)listwagezuin1/5(列出u最小的5個(gè)觀測(cè)值以及對(duì)應(yīng)的實(shí)際樣本觀測(cè)值和擬合值)即對(duì)于觀測(cè)1，小時(shí)工資的實(shí)際觀測(cè)值(wage)為2.46，擬合值(z)為9.10，殘差(u)為-6.64。三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例6、畫出以wage為縱軸，以edu為橫軸的散點(diǎn)圖，并加入樣本回來(lái)線。叮囑如下：graphtwowaylfitwageedu||scatterwageedu得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果；三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例7、wage對(duì)edu的OLS回來(lái)，只運(yùn)用年齡小于或等于30歲的樣本。叮囑如下：regwageeduifage<=30得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果；寫出樣本回來(lái)方程為：對(duì)于年齡在30歲及以下的勞動(dòng)者，增加1年受教化年限使得工資會(huì)增加0.41元，略高于針對(duì)全體樣本的估計(jì)值。三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例8、wage對(duì)edu的OLS回來(lái)，不包含截距項(xiàng)，即過(guò)原點(diǎn)回來(lái)。叮囑如下：regwageedu,noconstant得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果；三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例9、取半對(duì)數(shù)模型。模型(3.1)假定增加1年受教化年限帶來(lái)相同數(shù)量的工資增長(zhǎng)；但美國(guó)經(jīng)濟(jì)學(xué)家明瑟(J.Mincer)等人的探討表明，更合理的狀況是增加1年受教化年限導(dǎo)致相同百分比的工資增長(zhǎng)。這就須要運(yùn)用半對(duì)數(shù)模型(對(duì)數(shù)-水平模型)，即：其中l(wèi)nwage是小時(shí)工資的自然對(duì)數(shù)；斜率系數(shù)的經(jīng)濟(jì)含義是：增加1年受教化年限導(dǎo)致收入增長(zhǎng)，該百分比值一般稱為教化收益率或教化回報(bào)率(therateofreturntoeducation)做lnwage對(duì)edu的回來(lái)，叮囑如下：reglnwageedu得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果(見下頁(yè))；三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例寫出樣本回來(lái)方程為：結(jié)果表明教化收益率的估計(jì)值為5.03%，即平均而言，增加1年受教化年限使得工資增長(zhǎng)5.03%。三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例10、最終可建立do文件把前面所執(zhí)行過(guò)的叮囑保存下來(lái)。在do文件的編輯窗口中（點(diǎn)擊Stata窗口工具欄右起第5個(gè)NewDo-fileEditor鍵即打開Stata的do文件編輯窗口）鍵入如下叮囑和注釋，并保存為“工資方程1.do”文件。該文件的內(nèi)容為：use“D:\講課資料\周蓓的上課資料\數(shù)據(jù)\【重要】\【計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用課件】\10649289\stata10\工資方程1.dta“,clear//打開數(shù)據(jù)文件des//數(shù)據(jù)的簡(jiǎn)要描述suageeduexpexpsqwagelnwage//定量變量的描述性統(tǒng)計(jì)regwageedu//簡(jiǎn)潔線性模型的OLS估計(jì)graphtwowaylfitwageedu||scatterwageedu//作圖regwageeduifage<=30//只運(yùn)用年齡小于或等于30歲的樣本進(jìn)行OLS估計(jì)regwageedu,noconstant//過(guò)原點(diǎn)回來(lái)reglnwageedu//對(duì)數(shù)-水平模型三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例試驗(yàn)2簡(jiǎn)潔回來(lái)分析：學(xué)校投入對(duì)學(xué)生成果的影響表S-3記錄了一些學(xué)校某個(gè)年份高一學(xué)生的平均成果及有關(guān)學(xué)校的其他一些信息。本試驗(yàn)主要考察學(xué)校的生均支出(expend)對(duì)學(xué)生數(shù)學(xué)平均成果(math)的影響；生均支出代表了學(xué)校的經(jīng)費(fèi)投入水平，從理論上說(shuō)，在其他條件不變的情況下，學(xué)生在生均支出越高的學(xué)校中能夠獲得更好的教學(xué)資源(包括更優(yōu)秀的師資、更好的硬件設(shè)備等)，從而學(xué)習(xí)成果也應(yīng)當(dāng)越高。請(qǐng)依據(jù)表S-3中給出的數(shù)據(jù)接受Stata軟件完成相關(guān)模型的估計(jì)等工作。1、打開數(shù)據(jù)文件。雙擊“學(xué)校投入與學(xué)生成果.dta”文件，或點(diǎn)擊Stata窗口工具欄Open鍵選擇“學(xué)校投入與學(xué)生成果.dta”即可；或復(fù)制Excel表S-3中的數(shù)據(jù)后點(diǎn)擊Stata窗口工具欄DataEditor鍵，將數(shù)據(jù)粘貼到數(shù)據(jù)編輯窗口中，關(guān)閉該窗口，點(diǎn)擊工具欄Save鍵保存數(shù)據(jù)，保存時(shí)要給數(shù)據(jù)文件命名。三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例2、假定生均支出(expend)與影響學(xué)生數(shù)學(xué)成果的其他因素不相關(guān)，建立如下四個(gè)簡(jiǎn)潔回來(lái)模型：水平-水平模型：水平-對(duì)數(shù)模型：對(duì)數(shù)-水平模型：對(duì)數(shù)-對(duì)數(shù)模型(常彈性模型)：水平-水平模型的叮囑及運(yùn)行結(jié)果如下：regmathexpend估計(jì)結(jié)果表明：學(xué)校生均支出增加1千元，使得學(xué)生數(shù)學(xué)平均成果將提高2.46分；三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例水平-對(duì)數(shù)模型的叮囑及運(yùn)行結(jié)果如下：regmathlnexpend估計(jì)結(jié)果：即學(xué)校生均支出增加1%，使得學(xué)生數(shù)學(xué)平均成果將提高0.11分；三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例對(duì)數(shù)-水平模型的叮囑及運(yùn)行結(jié)果如下：reglnmathexpend估計(jì)結(jié)果：即學(xué)校生均支出增加1千元，使得學(xué)生數(shù)學(xué)平均成果將提高7%；三、簡(jiǎn)潔回來(lái)分析的Stata軟件操作實(shí)例對(duì)數(shù)-對(duì)數(shù)模型的叮囑及運(yùn)行結(jié)果如下：reglnmathlnexpend估計(jì)結(jié)果：即學(xué)校生均支出增加1%，使得學(xué)生數(shù)學(xué)平均成果將提高0.32%；四、多元回來(lái)分析的Stata基本叮囑對(duì)于多元線性回來(lái)模型：regressyx1x2…xk以y為被說(shuō)明變量，x1,x2,…,xk為說(shuō)明變量進(jìn)行一般最小二乘(OLS)回來(lái)。regress叮囑可簡(jiǎn)寫為reg；regressyx1x2…xk,noconstanty對(duì)x1,x2,…,xk的回來(lái)，不包含截距項(xiàng)，即過(guò)原點(diǎn)回來(lái)；testx1x2x3依據(jù)最近的回來(lái)進(jìn)行F檢驗(yàn)，原假設(shè)為：test依據(jù)最近的回來(lái)進(jìn)行F檢驗(yàn)，原假設(shè)為：五、多元回來(lái)分析的Stata軟件操作實(shí)例試驗(yàn)1多元回來(lái)分析：工資方程利用數(shù)據(jù)文件“工資方程1.dta”建立工資方程考察影響小時(shí)工資(wage)的因素，重點(diǎn)關(guān)注受教化年限(edu)的系數(shù)，即教育收益率(即對(duì)數(shù)-水平模型的斜率系數(shù))。1、打開數(shù)據(jù)文件。干脆雙擊“工資方程1.dta”文件；或者點(diǎn)擊Stata窗口工具欄最左側(cè)的Open鍵，然后選擇“工資方程1.dta”即可；2、簡(jiǎn)潔回來(lái)分析。首先建立簡(jiǎn)潔回來(lái)模型(對(duì)數(shù)-水平模型)：叮囑及運(yùn)行結(jié)果如下：reglnwageedu五、多元回來(lái)分析的Stata軟件操作實(shí)例回來(lái)結(jié)果表明：假如不考慮其他因素的影響，教化收益率的估計(jì)值為5.03%，即平均而言，增加1年受教化年限使得工資增長(zhǎng)5.03%。五、多元回來(lái)分析的Stata軟件操作實(shí)例3、多元回來(lái)分析。除了受教化年限(edu)之外，工作閱歷(exp)也是影響小時(shí)工資(wage)的重要因素。從理論上分析，其他條件不變，工作閱歷越長(zhǎng)表明勞動(dòng)者的工作閱歷越豐富，勞動(dòng)生產(chǎn)率也越高，從而工資水平較高。假如工作經(jīng)驗(yàn)(exp)與受教化年限(edu)不相關(guān)或相關(guān)程度很低，那么在工資方程中是否加入工作閱歷(exp)對(duì)教化收益率的估計(jì)幾乎沒有影響；但假如工作閱歷(exp)與受教化年限(edu)顯著相關(guān)，那么在工資方程中不加入工作閱歷(exp)會(huì)使得教化收益率的估計(jì)有偏誤。為此，須要首先考察樣本中工作閱歷(exp)與受教化年限(edu)是否顯著相關(guān)，方法是計(jì)算二者之間的樣本相關(guān)系數(shù)并進(jìn)行顯著性檢驗(yàn)，運(yùn)用的叮囑如下：pwcorreduexp,sig(pwcorr求樣本相關(guān)系數(shù)叮囑，選項(xiàng)sig表示列出原假設(shè)H0為相關(guān)系數(shù)等于0的假設(shè)檢驗(yàn)的精確顯著性水平，即統(tǒng)計(jì)量的相伴概率值)

五、多元回來(lái)分析的Stata軟件操作實(shí)例得到以下運(yùn)行結(jié)果：可見，edu與exp的樣本相關(guān)系數(shù)為-0.5005，顯著性水平即假設(shè)檢驗(yàn)統(tǒng)計(jì)量的相伴概率值為0.0000，即拒絕相關(guān)系數(shù)等于0的原假設(shè)，edu與exp之間存在顯著負(fù)相關(guān)；因此，假如理論上exp對(duì)工資(wage)的影響為正，那么在回來(lái)方程中遺漏了exp會(huì)使得edu的系數(shù)估計(jì)產(chǎn)生負(fù)的偏誤，即估計(jì)值偏低。為此，考慮運(yùn)用多元回來(lái)模型：運(yùn)用的叮囑及運(yùn)行結(jié)果如下：五、多元回來(lái)分析的Stata軟件操作實(shí)例reglnwageeduexp(1)表下方區(qū)域?yàn)榛貋?lái)分析的主要結(jié)果。第1列分別為被說(shuō)明變量Lnwage，說(shuō)明變量edu，說(shuō)明變量exp以及截距項(xiàng)；第2列顯示回歸系數(shù)的OLS估計(jì)值；第3列顯示回來(lái)系數(shù)的標(biāo)準(zhǔn)誤；第4列顯示回來(lái)系數(shù)的t統(tǒng)計(jì)量；第5列顯示t檢驗(yàn)的精確的顯著性水平(即t統(tǒng)計(jì)量的相伴概率P值)；最終兩列顯示置信水平為95%的回來(lái)系數(shù)的置信區(qū)間。五、多元回來(lái)分析的Stata軟件操作實(shí)例結(jié)果樣本回來(lái)方程為：回來(lái)系數(shù)下方括號(hào)中所示數(shù)字從上到下依次為回來(lái)系數(shù)的標(biāo)準(zhǔn)誤、t統(tǒng)計(jì)量和P值；edu的系數(shù)和截距項(xiàng)在1%顯著性水平上統(tǒng)計(jì)顯著，exp的系數(shù)在5%顯著性水平上統(tǒng)計(jì)顯著，說(shuō)明教化(edu)和工作閱歷(exp)對(duì)小時(shí)工資(wage)均有顯著的正向影響；這一結(jié)果也可以從回來(lái)系數(shù)的置信區(qū)間中可以看出，即兩個(gè)系數(shù)的95%的置信區(qū)間均不包含0，至少可以在5%顯著性水平上分別拒絕這兩個(gè)系數(shù)等于0的原假設(shè)。兩個(gè)斜率系數(shù)的經(jīng)濟(jì)含義：假如保持工作閱歷(exp)不變，受教育年限(edu)增加1年，平均來(lái)說(shuō)小時(shí)工資會(huì)增加5.67%，即教化收益率為5.67%；另一方面，假如保持受教化年限(edu)不變，五、多元回來(lái)分析的Stata軟件操作實(shí)例工作閱歷(exp)增加1年，平均來(lái)說(shuō)小時(shí)工資會(huì)增加0.29%，即工齡的收益率為0.29%。前面的分析指出：理論上exp對(duì)lnwage的影響為正，而樣本中edu與exp顯著負(fù)相關(guān)，那么與上述多元回來(lái)模型相比，接受只包含edu的簡(jiǎn)潔回來(lái)模型就會(huì)使得edu的系數(shù)估計(jì)值偏低。分析結(jié)果證明白這一點(diǎn)，簡(jiǎn)潔回來(lái)模型中edu的系數(shù)估計(jì)值為0.0503(5.03%)，而多元回來(lái)模型中edu的系數(shù)估計(jì)值為0.0567(5.67%)，后者大于前者。五、多元回來(lái)分析的Stata軟件操作實(shí)例(2)表左上方區(qū)域?yàn)榉讲罘治霰?。?列從上到下依次為回來(lái)平方和(SSE)、殘差平方和(SSR)及總離差平方和(SST)；第3列為自由度；第4列為均方和(MSS)，由各項(xiàng)平方和除以相應(yīng)的自由度得到(3)表右上方區(qū)域。樣本數(shù)(Numberofobs)為1225；回來(lái)模型總體顯著性檢驗(yàn)F檢驗(yàn)的F統(tǒng)計(jì)量等于45.75，其精確的顯著性水平(即相伴概率值)為0.0000，可以拒絕全部的斜率系數(shù)都等于0的原假設(shè)，即模型總體顯著成立；判定系數(shù)(R-squared)為0.0697，調(diào)整的判定系數(shù)(AdjR-squared)為0.0681，略小于判定系數(shù)；均方根誤(RootMSE)，也就是回來(lái)模型標(biāo)準(zhǔn)誤S.E.或?yàn)?.51234。五、多元回來(lái)分析的Stata軟件操作實(shí)例試驗(yàn)2多元回來(lái)分析：學(xué)習(xí)努力程度對(duì)高校英語(yǔ)成果的影響數(shù)據(jù)文件“高校英語(yǔ)成果.dta”(或表S-4)為某高校大一學(xué)生英語(yǔ)期末考試成果及相關(guān)信息，本例關(guān)注學(xué)生的學(xué)習(xí)努力程度對(duì)期末成果的影響，并且用學(xué)生的上課出勤率和完成作業(yè)的狀況衡量學(xué)習(xí)努力程度。建立如下模型并進(jìn)行回來(lái)分析：其中final為英語(yǔ)期末考試成果，attend為本學(xué)期英語(yǔ)課的出勤率(百分?jǐn)?shù))，homework為本學(xué)期英語(yǔ)課課后作業(yè)的完成率(百分?jǐn)?shù))；1、打開數(shù)據(jù)文件。干脆雙擊“高校英語(yǔ)成果.dta”文件；或點(diǎn)擊Stata窗口工具欄最左側(cè)的Open鍵，然后選擇“高校英語(yǔ)成果.dta”即可；2、上述模型的回來(lái)分析。叮囑及運(yùn)行結(jié)果如下：regfinalattendhomework五、多元回來(lái)分析的Stata軟件操作實(shí)例結(jié)果顯示樣本回來(lái)方程為：attend和homework的回來(lái)系數(shù)在10%的顯著性水平上顯著。在保持作業(yè)完成率(homework)不變的條件下，上課出勤率(attend)提高10個(gè)百分點(diǎn)將令其期末成果提高0.80分；在保持上課出勤率(attend)不變的條件下，作業(yè)完成率(homework)提高10個(gè)百分點(diǎn)將令其期末成果提高0.65分；可以認(rèn)為學(xué)習(xí)努力程度的確影響期末成果。判定系數(shù)和調(diào)整的判定系數(shù)僅為0.02，表示attend和homework兩個(gè)變量聯(lián)合起來(lái)僅能說(shuō)明final總變異的2%多，表明模型的總體五、多元回來(lái)分析的Stata軟件操作實(shí)例擬合程度不高。明顯，除了學(xué)習(xí)努力程度(attend和homework)之外，學(xué)生從前的英語(yǔ)水平也會(huì)對(duì)期末成果(final)起到確定性作用；而且假如從前的英語(yǔ)水平與學(xué)習(xí)努力程度(attend和homework)相關(guān)，那么遺漏了先前的英語(yǔ)水平作為說(shuō)明變量就會(huì)使得學(xué)習(xí)努力程度(attend和homework)的系數(shù)估計(jì)值產(chǎn)生偏誤。為此，考慮運(yùn)用入學(xué)考試成果(entry)衡量從前的英語(yǔ)水平。首先估算entry和attend以及entry和homework的樣本相關(guān)系數(shù)；叮囑為：pwcorrentryattendhomework,sig五、多元回來(lái)分析的Stata軟件操作實(shí)例可以看出，entry和attend以及entry和homework都是顯著負(fù)相關(guān)的，因此假如理論上entry對(duì)final的影響為正，那么遺漏了entry的上述二元回來(lái)模型就會(huì)使得attend和homewor