如何用stata做稳健回归 | 您所在的位置:网站首页 › stata回归结果怎么看残差 › 如何用stata做稳健回归 |
如何用stata做稳健回归
1839 如何用stata做稳健回归 大量的线性回归模型是基于最小二乘法实现的,但其仍存在一些局限性。比如说,样本点出现许多异常点时,传统的最小二乘法将不再适用,此时则可以使用稳健回归(robust regression)代替最小二乘法。 操作 下面的稳健回归使用的是犯罪数据,该数据来自Alan Agresti和Barbara Finlay的《社会科学统计方法》。变量包括美国各州编号(sid)、州名(state)、每10万人犯罪案件数量(crime)、生活在贫困线以下人口的百分比(poverty)和单亲人口百分比(single)等。我们选择使用贫穷率和单状况来预测犯罪率。 获取数据 use https://stats.idre.ucla.edu/stat/stata/dae/crime, clear summarize crime poverty single导入数据,并描述各个变量的统计结果,输出表格中包含样本容量、平均数、标准差、最小值和最大值。
OLS回归 在稳健回归之前,我们先进行OLS回归,输出结果如下。 regress crime poverty single
样本点分析 首先我们通过“lvr2plot”绘制残差杠杆图,通过识别离群点和高杠杆值点(杠杆点)进而识别强影响点。假如存在杠杆点的话,要确定哪些是bad leverage point,对于这些离群点我们要评估它对拟合模型的影响。 lvr2plot, mlabel(state)
稳健回归 我们使用“rreg”命令进行稳健回归,并输出结果如下。 rreg crime poverty single, gen(weight)
拓展 我们在稳健回归分析之后,可以使用许多后续估计命令,比如test、margin等。下面的操作是我们控制贫困率之后,在不同的单亲率下预测犯罪率。我们发现,随着单亲率的提高,犯罪率也相应地上升。 margins, at(single=(8(2)22)) vsquish
完 谢谢观看 展开阅读全文上一篇: 非平衡数据集的机器学习常用处理方法 ... 下一篇: Stata二维图的坐标轴选择 最小二乘 线性回归 分享 收藏相关阅读 美国最权威大学排名(US News):人工智能专业CMU第一,MI ... 想学公众号数据分析?看这一篇就够了 大数据时代,即便匿名,也可能被人识别出来 ... 解析新零售,互联网大数据时代的到来 3个步骤+1个模型,「数据分析」才是「增长黑客」的核心技 ... 关于机器学习中需要我们知道的事情 中英文垃圾短信过滤 银行数据宽表构建和描述分析 |
CopyRight 2018-2019 实验室设备网 版权所有 |