用stata做logit分析结果怎么看

本帖最后由 黄叉叉 于 2014-3-21 12:18 编辑
今天有老师帮忙做出了logit的结果，是stata做的。之前没看过不知道怎么用，求懂的前辈来看看
貌似这里都是阴性结果，是不是说明没有相关或者什么的啊？
1这是第一个
Iteration 0: log likelihood = -18047341
Iteration 1: log likelihood = -17986769
Iteration 2: log likelihood = -17986706
Iteration 3: log likelihood = -17986706
Logistic regression Number of obs = 308
LR chi2(3) = 121
Prob > chi2 = 07500
Log likelihood = -17986706 Pseudo R2 = 00034
------------------------------------------------------------------------------
correctgroup | Coef Std Err z P>|z| [95% Conf Interval]
-------------+----------------------------------------------------------------
sex | 2442052 270538 090 0367 -2860396 77445
class | 0445818 1212505 037 0713 -1930649 2822284
college | 0540035 2819299 019 0848 -498569 6065759
_cons | -9077355 2437317 -037 0710 -5684789 3869318
2这是第二个
Iteration 0: log likelihood = -18047341
Iteration 1: log likelihood = -17969923
Iteration 2: log likelihood = -17969818
Iteration 3: log likelihood = -17969818
Logistic regression Number of obs = 308
LR chi2(3) = 155
Prob > chi2 = 06707
Log likelihood = -17969818 Pseudo R2 = 00043
------------------------------------------------------------------------------
correctgroup | Coef Std Err z P>|z| [95% Conf Interval]
-------------+----------------------------------------------------------------
sex | 3047227 2672197 114 0254 -2190183 8284638
classgroup | 1979253 2896891 068 0494 -3698548 7657054
college | 1211345 2682421 045 0652 -4046103 6468794
_cons | -1331071 3577504 -372 0000 -2032249 -6298929

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=001以下是1%显著水平显著，005是5%，01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09464，拟合优度很高。
2、回归系数，本例中，常数项为9347，系数为0637，
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0000，小于005，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。

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d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-08072，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：

直接查看stata生成的report报告。
直接查看stata生成的report报告即可，里面包含回归系数和置信度等参数。
df是指自由度，t是一个统计量用来判断系数的显著性水平，等于回归系数标准误。

X3显著，其他的变量无影响，从P>Z那一列看出来，小于01 005 001 三个比例 也就是置信区间90% 95% 99% 的把握上显著， Z值那一列和和第4列是一起看的，所以只用看第4列就好，第一列叫做 系数 第2列叫做标准误 第一列最重要 你这个结果 X3显著 X3为正，也就是说X3越多（例如探究奶茶好不好喝，X3代表意义是温度 分值是12345段，这个结果表明X3温度越高则越好喝，只是个人假设，且这里要符合理论分析），每增加1X3则带来0321的正面影响，log不能为正值，你的是-57，还好也不能太大，其他都还好，主要是表格里面的第一列和第三列，祝你好运

---