stata 如何画出回归后残差和其滞后一阶的散点图与线性拟合图

回归分析是研究某一被解释变量（因变量）与另外一个或多个解释变量（自变量）间的依存关系，其目的在于根据已知的解释变量值或固定的解释变量值（重复抽样）来估计和预测被解释变量的整体平均值。

在研究某一社会经济现象的发展变化规律时，所研究的现象或对象称为被解释变量，它是分析的对象，把引发这一现象变化的因素称为解释变量，它是引发这一现象变化的缘由。

对于通常的线性回归方程，以下：

线性回归估计后经常要对回归的效果，也就是咱们在估计时所作的假设条件进行检验，好比自相关、异方差、多重共线性等检验。

对于自相关的一个检验方法，就是图示法，也就是能够看一下回归估计后的残差与其滞后一阶的散点图与线性拟合图，由于这里假定的就是残差要服从随机扰动的假设，因此要看估计后的残差是否存在着自相关性。

在stata里边，咱们能够采用以下命令来画出回归估计后的残差与其滞后一阶的散点图与线性拟合图：

reg y x1 x2 x3

predict e1,res

twoway(scatter e1 L.e1) (lfit e1 L.e1)

这里predict e1,res就是regress回归后生成残差序列，L.e1就是残差序列滞后一期的序列。

结果示例以下：

本文分享自微信公众号 - 博士的计量经济学干货（econometrics_ABC）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。