一元线性回归

线性假定并不要求严格线性关系，自变量和因变量可通过变脸替换而转换成线性模型

内生性与外生性

核心解释遍历与控制变量

关于取对数

一些笔记

论文参考

养老金模型

SARS模型

教育质量模型

STATA分析

数据的描述性统计


对定性数据的描述统计如果产生大量表格，可用excel进行分析

回归语句

关注调整后的R2

标准化回归（剔除量纲影响）
衡量自变量对因变量的重要程度

检验异方差

异方差

异方差的假设检验 BP检验

怀特检验

解决异方差

使用OLS加稳健的标准误

检验多重共线性

多重共线性处理

逐步回归

逻辑回归

代码

以下代码仅用来反映内生性的危害

%% 蒙特卡洛模拟：内生性会造成回归系数的巨大误差
times = 300;  % 蒙特卡洛的次数
R = zeros(times,1);  % 用来储存扰动项u和x1的相关系数
K = zeros(times,1);  % 用来储存遗漏了x2之后，只用y对x1回归得到的回归系数
for i = 1: times
    n = 30;  % 样本数据量为n
    x1 = -10+rand(n,1)*20;   % x1在-10和10上均匀分布，大小为30*1
    u1 = normrnd(0,5,n,1) - rand(n,1);  % 随机生成一组随机数
    x2 = 0.3*x1 + u1;   % x2与x1的相关性不确定， 因为我们设定了x2要加上u1这个随机数
    % 这里的系数0.3我随便给的，没特殊的意义，你也可以改成其他的测试。
    u = normrnd(0,1,n,1);  % 扰动项u服从标准正态分布
    y = 0.5 + 2 * x1 + 5 * x2 + u ;  % 构造y
    k = (n*sum(x1.*y)-sum(x1)*sum(y))/(n*sum(x1.*x1)-sum(x1)*sum(x1)); % y = k*x1+b 回归估计出来的k
    K(i) = k;
    u = 5 * x2 + u;  % 因为我们回归中忽略了5*x2，所以扰动项要加上5*x2
    r = corrcoef(x1,u);  % 2*2的相关系数矩阵
    R(i) = r(2,1);
end
plot(R,K,'*')
xlabel("x_1和u'的相关系数")
ylabel("k的估计值")