如何用stata看数据波动性

㈠ stata回归分析结果怎么看

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，那这个结果配逗就不显著，即P值为0.356就不显著。所以肆卖纯看的是P值，而不是系数。

用最小二乘法计算出公式：

（函裂咐数的形式可以由经验、先验知识或对数据的直观观察决定，或者直接使用多项式）里的系数，拟合就完成了，但是回归的工作还没有结束，还需要去研究这些系数（这个公式）的可信度，每个系数对因变量的影响，因为回归分析认为真正的拟合系数应该是一个随机变量而非确值。

拟合用最小二乘求出来的这些系数只是对真正系数的一个点估计，所以有必要继续去研究区间估计或者假设检验。总之，拟合只是求出一条曲线能反映数据的趋势就行了，但是回归的要求是更高的更精确的。

㈡ stata的t检验怎么用

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：

1、判定系数R方，为0.9464，拟合优度很高。
2、回归系数，本例中，常数项为9.347，系数为0.637，
3、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。

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。