怎么看stata相关性检验结果

1、使用系统自带的数据做RESET检验，sysuse auto，解释：导入系统中自带数据，autodescirbe解释：看看数据的构成。

2、reg price rep78 headroom trunk weight length，解释：对数据进行回归。

3、使用y的拟合值进行RESET检验，estat ovtest，发现p的拟合值为0051这个数比较接近拒绝域，我们认为我们可能遗漏了高次项。

4、直接使用解释变量的高次项进行RESET检验，estat ovtest，rhs。解释：添加了选项rhs，发现在5%的水平上拒绝原假设，认为遗漏了高阶非线性项。

5、经过数次尝试之后，发现gen wight2=weight^2，reg price rep78 weight2 headroom trunk weight length，效果显著。

（一）、ADF是单位根检验，第一列数据y做ADF检验，结果如下NullHypothesis:YhasaunitrootExogenous:Constant,LinearTrendLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProbAugmentedDickey-Fullerteststatistic- Testcriticalvalues: %level- %level- %level- 在 %水平上拒绝原假设，序列y存在单位根，为不平稳序列。但在 %、 %水平上均接受原假设，认为y平稳。对y进行一阶差分，差分后进行ADF检验：NullHypothesis:YhasaunitrootExogenous:NoneLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProbAugmentedDickey-Fullerteststatistic- Testcriticalvalues: %level- %level- %level- 可见，在各水平上y都是平稳的。因此，可以把原序列y看做一阶单整。第二列xADF检验如下：NullHypothesis:XhasaunitrootExogenous:Constant,LinearTrendLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProbAugmentedDickey-Fullerteststatistic- Testcriticalvalues: %level- %level- %level- 在 %、 %水平上拒绝原假设，序列x存在单位根，为不平稳序列。但在 %水平上均接受原假设，认为x是平稳的。对y进行一阶差分，差分后进行ADF检验：NullHypothesis:XhasaunitrootExogenous:NoneLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProbAugmentedDickey-Fullerteststatistic- Testcriticalvalues: %level- %level- %level- 可见，在各水平上x都是平稳的。因此，可以把原序列x看做一阶单整。（二）、只有一阶单整的序列才可以进行协整检验：利用engle和granger提出的两步检验法：首先建立模型：y=ax+c+e，结果为Y= X+ 再对方程的残差进行ADF检验：NullHypothesis:EhasaunitrootExogenous:NoneLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProbAugmentedDickey-Fullerteststatistic- Testcriticalvalues: %level- %level- %level- 从检验结果可以看出残差序列是平稳的，因此x和y之间存在协整关系。（三）、granger因果检验：PairwiseGrangerCausalityTestsDate: / / Time: : Sample: Lags: NullHypothesis:ObsF-StatisticProbYdoesnotGrangerCauseX XdoesnotGrangerCauseY 从结果可知拒绝y不能grangerx的假设，即ygranger引起x；但是不能拒绝x不能g引起y，即接受x不能granger引起y。

stata回归分析结果看法如下：

*** 作设备：戴尔笔记本电脑

*** 作系统：win10

*** 作程序：stataSE 15。

1、首先生成一个自变量和一个因变量。

2、点击Statistics|linear model and related|linear菜单。

3、在d出的regress中设置相关变量，然后再点确定。

4、在结果界面中，cons为5205279表示回归截距，说明回归方程具有统计学意义。

5、在d出的avplot/avplots中，选择“all variables”，点确定即可。

---