首页 > 其他分享 >STATA 描述性统计 回归

STATA 描述性统计 回归

时间:2023-05-28 19:22:48浏览次数:36  
标签:F050103B F050102B F050202B 回归 描述性 STATA F050101B A001220000 A001111000

use zhai221328386\jieguo-2,clear
destring _all,replace


logout,auto(4) save ("D:\statashu\zhai221328386\描述统计0528.docx")word replace:tabstat Stkcd F010101A F010201A F010401A F011201A F050101B F050102B F050103B F050104C F050201B F050202B F050203B F050204C F050302B F050303B F050501B F050502B F050503B A001101000 A001111000 A001220000 A001000000 A002000000,stats(n mean sd min max) column(statistic)
reg F010101A F050101B A001101000 A001111000 A001220000 A001000000 A002000000 F050102B F050103B F050104C F050202B
est store a1
reg F010201A F050101B A001101000 A001111000 A001220000 A001000000 A002000000 F050102B F050103B F050104C F050202B
est store a2
reg F010401A F050101B A001101000 A001111000 A001220000 A001000000 A002000000 F050102B F050103B F050104C F050202B
est store a3
esttab a1 a2 a3 using "D:\statashu\zhai221328386\result-0528a.rtf",b(3) se(3) nogap star(* 0.10 ** 0.05 *** 0.01)

 

标签:F050103B,F050102B,F050202B,回归,描述性,STATA,F050101B,A001220000,A001111000
From: https://www.cnblogs.com/xkdn/p/17438701.html

相关文章

  • 数据分享|R语言逻辑回归、线性判别分析LDA、GAM、MARS、KNN、QDA、决策树、随机森林、
    全文链接:http://tecdat.cn/?p=27384最近我们被客户要求撰写关于葡萄酒的研究报告,包括一些图形和统计输出。在本文中,数据包含有关葡萄牙“VinhoVerde”葡萄酒的信息介绍该数据集(查看文末了解数据获取方式)有1599个观测值和12个变量,分别是固定酸度、挥发性酸度、柠檬酸、残糖、......
  • 承接day2 ————岭回归
    #岭回归fromsklearnimportlinear_model#参数alpha用于控制复杂度,alpha的值越接近于0,岭回归器表现越接近于普通最小二乘法的线性回归器#因此,若想让异常值具有良好的健壮性,就要为alpha分配一个较大的值,这里我们用一个中等大小的值0.01ridge_regressor=linear_model.Ri......
  • 小灰灰机器学习day2——构造线性回归器
    filename="Ve.txt"x=[]y=[]withopen(filename,'r')asf:forlineinf.readlines():xt,yt=[float(i)foriinline.split(',')]x.append(xt)y.append(yt)num_training=int(0.5*len(x)......
  • 回归树
    训练集给出如下数据: 测试集提供其中的部分列: 要求预测以下列的数据:['Tdewpoint','Visibility','Windspeed','RH_out','Press_mm_hg','RH_9','T_out','RH_4'] 使用回归树进行预测:importpandasaspdfromsk......
  • 3.3 线性回归的简洁实现
    importnumpyasnpimporttorchfromtorch.utilsimportdatafromd2limporttorchasd2lfromtorchimportnn#nn是神经网络(NeuralNetworks)的缩写3.3.1生成数据集true_w=torch.tensor([2,-3.4])#与上一节类似生成数据集true_b=4.2features,labels=......
  • 3.4 softmax回归
    3.4.1分类问题整节理论知识,详见书本。3.4.2网络架构整节理论知识,详见书本。3.4.3全连接层的参数开销整节理论知识,详见书本。3.4.4softmax运算整节理论知识,详见书本。3.4.5小批量样本的向量化整节理论知识,详见书本。3.4.6损失函数整节理论知识,详见书本。3.4.7......
  • 3.1 线性回归
    3.1.1线性回归的基本元素整节理论知识,详见书本。3.1.2向量加速化%matplotlibinlineimportmathimporttimeimportnumpyasnpimporttorchfromd2limporttorchasd2l#以后常用的计时器classTimer:#@save"""记录多次运行时间"""def__init__(self......
  • 3.2 线性回归从零开始实现
    %matplotlibinlineimportrandomimporttorchfromd2limporttorchasd2l3.2.1生成数据集为了简单起见,使用易于可视化的低维数据。使用线性模型\(\boldsymbol{y}=\boldsymbol{Xw}+b+\epsilon\)生成数据集及其标签,其中合成的数据集是一个矩阵\(\boldsymbol{X}\in\R^{1......
  • 计量经济学笔记-2一般回归分析和模型设定
    2.一般回归分析和模型设定问题1:辨别相关性是不是因果关系统计关系:预测关系经济关系:因果关系问题2:一般归回分析和线性回归模型问题3:线性回归模型的系数coefficients的经济意义回归分析是研究变量Y和变量X之间关系的常用工具。用于考察X对Y的影响用X的信息预测......
  • 3.6 Softmax回归的从零开始实现
    我们首先导入相关的包,并读入训练和测试所用的数据集图片的DataLoader: 这里面d2l.load_data_fashion_mnist(batch_size)读入训练和测试所用的图像数据集的DataLoader。 1.初始化模型参数Softmax回归模型参数包括W、b。假设输入特征数量为num_inputs,输出的数量(类别的数量)为n......