在stata中如何看解释变量的显著性

1. 在stata中如何看解释变量的显著性

1、首先用sysuse打开数据文件后，点击菜单 statistics | summaries,tables,and tests |summary and descriptive statistics | correlations and covariances。


2、然后在弹出配置窗口，在变量下拉列表中选择mpg和weight，也可以直接输入，然后点击OK。


3、之后在新的界面里从输出结果可以看出，mpg和weight之间的相关系数为-0.8072，是一种负相关关系。


4、如果我们想针对国产车和外国车分别研究mpg和weight之间的相关关系，可以在配置窗口的by/if/in中进行设置，分组变量选择foreign。


5、然后点ok，输出结果如下：此过程也可以通过输入命令“ by foreign,sort:correlate mpg weight”实现。


6、另外，在stata中，除了能够求出两个变量之间的相关关系外，还可以求出多个变量之间的相关关系。例如，在命令行输入“.correlate mpg weight length turn displacement”，按回车，得到以下输出结果：

2. stata回归之后的结果怎么解读？什么叫结果显著？是看p值还是β系数？新手一个实在不懂，谢谢指教！

结果显著就是回归系数显著地不等于0.所以是看P值。
回归时，得到一个系数，这个系数一般是 不等 于0的。但是，系数计算出来后，会给出一个误差。你看后面误差范围，如果中间有0，比如，在-1.5到2.0之间，这是给定的在一定概率范围内的系数可能取值范围。一般你不做修改的话，这个概率默认是95%。也就是你回归结果前面的系数有95%的概率落在这之间。如果你的回归结果数值在这个范围内比较接近于0，那么统计上可能推断比如有35.6%的可能性是0，那这个结果就不显著，即P值为0.356就不显著。所以看的是P值，而不是系数。

3. 在stata中如何看解释变量的显著性

1、首先用sysuse打开数据文件后，点击菜单 statistics | summaries,tables,and tests |summary and descriptive statistics | correlations and covariances。


2、然后在弹出配置窗口，在变量下拉列表中选择mpg和weight，也可以直接输入，然后点击OK。


3、之后在新的界面里从输出结果可以看出，mpg和weight之间的相关系数为-0.8072，是一种负相关关系。


4、如果我们想针对国产车和外国车分别研究mpg和weight之间的相关关系，可以在配置窗口的by/if/in中进行设置，分组变量选择foreign。


5、然后点ok，输出结果如下：此过程也可以通过输入命令“ by foreign,sort:correlate mpg weight”实现。


6、另外，在stata中，除了能够求出两个变量之间的相关关系外，还可以求出多个变量之间的相关关系。例如，在命令行输入“.correlate mpg weight length turn displacement”，按回车，得到以下输出结果：

4. stata如何看t检验的显著性

reg只提供回归分析，在出的结果里每个变量后面都有P值，P=0代表显著，P=0.01以下是1%显著水平显著，0.05是5%，0.1是10%，如要要T值可以ttest A之类的。
reg y x1 x2 xn
test x1=x2=xn=0
关键看三个地方，一个是判定系数R方，本图中，为0.9464，拟合优度很高。
第二看回归系数，本例中，常数项为9.347，系数为0.637，
第三看回归系数的显著性检验，即P值，本例中，x的系数的P值为0.000，小于0.05，说明x对因变量有显著的影响。其它的基本可以忽略。

扩展资料：
Stata的统计功能很强，除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。具体说， Stata具有如下统计分析能力：
数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。
参考资料来源：百度百科-stata

5. 求高手分析STATA的结果

可以估计X=某一值时的Y。R-squared高, F（1，58）拒绝模型整体不显著，x的t检验说明系数显著
 

6. stata t值多少是显著

许多学习统计学的学生想知道t检验如何看待显著性，这更有趣。让我们告诉你如何看待t检验的重要性。

T检验是统计学中的一个重要工具。统计一直是一门很难的学科。T检验主要是检测数据的显著性。
所谓显著性是指当无效假设为真时，通过拒绝无效假设而承担的风险水平，也称为概率水平，或显著性水平，即检验是统计数量和实际数量之间的差异。
T检验用于比较两种方法之间的差异是否显著。它测试两个样本数据的平均值。距离越近，意义就越重大。然而，这不是绝对的。T检验也会受到方差的影响，失去准确性。
因此，t检验是不够的。只有经过F-检验和G-检验后才能大致确定。