由於之前上課的時候用過stata感覺用stata做分析的時候互動什麼的體驗其實很好，這次要做一個迴歸分析，發現之前學過的很多都不太記得了，就打算寫一個部落格作為備忘。

0. stata documentation

1. stata 匯入 excel 檔案

cd C:\Users\蟲子\Dropbox\Fitts\pilotVersions\pilot5\DataAnalysis\excelSamples 
clear 
import excel allPaperSample.xlsx, firstrow 

第一步，先設定操作資料夾，cd到要匯入excel 檔案的資料夾。
第二步，清除所有變數。如果當前視窗還有variable的話，excel會匯入失敗。
第三步，匯入excel檔案，檔名字是“allPaperSample.xlsx”, firstrow在這邊的意思是要把第一行作為變數名

2. stata 生成新變數

https://www.stata.com/manuals13/gsm11.pdf
stata一般有generate 和replace兩種方式生成新變數。
generate就是生成一個新的變數
replace就是用這個新的變數替換掉原來的變數

generate logMT = log10(MT)

以上就是以現有變數MT，生成一個新變數logMT。

3. stata 檢視基本資訊

檢視某個變數的基本資訊

codebook variableName

檢視所有變數的基本資訊

codebook

4. stata 多變量回歸

regress errors subID timeDay timeDir timeOrder vCon W D
 
 

regress後面的第一個變數：errors 是要回歸的目標，之後所有的變數都是模型中的predictors。
隨便給一個迴歸的結果：

圖中左上角

圖中左上角的是對於regress後得到的model 的一個“analysis-of-variance（ANOVA）”表格。
其每一列的頭：SS ， df , MS 分別對應：“sum of squares”, “degrees of freedom”和“mean square”。
第一列：可以知道Model的SS（1808）/Total的SS(8001)=R-squared(0.2261)即R2。R2的意思就是說，這個模型說明解釋了這些變數中多少的variance。

第二列：自由度，一共有N個sample這個資料集就有（N-1）個dof(因為要減去均值)。模型的自由度由模型有幾個predictor決定。

第三列：MS一般是用於計算F-statistic的。

圖中的右上角

圖中的右上角是另一些統計描述：
第一行：Number of obs 一共有多少個sample

第二行：F(df of Model,df of Residual) = MS of Model(301.448)/MS of Residual(6.934) = 43.47
The F statistic tests the hypothesis that all coefficients excluding the constant are zero.
這個F值的H0假設是：所有的predictor都不對y產生影響，即所有predictor的coef都會是0，所有的predictor都不significant。

第三行：Prob > F 的值是上述的H0假設的成立的可能性。當其趨近於0的時候，說明至少會有一些predictor的coef不為0.

第四行：R-squared 前面已經說過了

第五行：Adj R-squared 由於R2存在一個問題：無論什麼predictor加到模型中，R2都會變大。為了避免這個問題，adjR2懲罰了模型的複雜度。

第六行：root mean squared error是MS of Redidual的平方根（2.6333 = 6.9342^0.5），其意義是迴歸模型的residual部分的standard deviatio。

圖中下面

圖中下面的部分就是regression的結果了。
最後一行是模型的常數項

第一列是模型的係數，根據係數我們就可以寫出迴歸的線性模型了

第二列是線性迴歸係數的standard error
查了半天沒看到這個引數具體是怎麼計算的。不過這個係數是對前面coef的估計的可信度估計，越小越好。
有一個百度的答案：
https://zhidao.baidu.com/question/501609456486160404.html
這是估計的標準誤差，是殘差均方開根號的值，殘差均方等於殘差平方和除以自由度，殘差平方和等於總平方和減去迴歸平方和
不過不知道里面說的殘差是怎麼計算的。

第三列是t-statisitic
正常T-statistic應該在0假設(null hypothesis)為真時,服從T分佈(T-distribution).
粗略地講這個值大於2，對應的predictor就是significant。
Coefficient除以standard error 等於 t-statistic

第四列是這個t-statistic的p-value，一般來講小於0.05就是significant的

第五六列是95%confidence interval of coef，係數的95%置信區間。