Ⅰ 【筆記整理】逐步回歸
「最優」的回歸方程，指模型中僅包含顯著影響因變數Y的自變數，排除對Y影響不顯著的自變數。建立「最優」回歸方程通常採用三種策略：全子集法、變數篩選法與選擇法。
全子集法需計算量大，通過特定準則決定最優回歸子集。變數篩選法則基於偏回歸平方和檢驗，引入或剔除變數，分為向前引入、向後剔除及結合兩者的方式，即逐步回歸法。
逐步回歸法是計算量適中的選擇方法，stata中通過"stepwise"命令實現。此法以統計顯著性為依據，逐步增加或減少模型中的變數，尋找最優回歸方程。
在實際應用中，逐步回歸法需結合具體數據與研究目的，靈活運用。例如在stata中進行logistic回歸分析時，採用"stepwise"命令能有效篩選出影響結果的顯著變數，優化回歸模型。
在醫學研究中，二分類Logistic回歸的應用尤為廣泛。在stata中，通過"stepwise"命令進行Logistic回歸分析，不僅能夠簡化模型構建過程，還能有效識別影響二分類結果的關鍵變數。
Ⅱ stata常用命令，祝你實證大功告成
在Stata中，你可以使用一系列命令來完成實證分析，以下是常用的一些操作指令：
1. 安裝外部命令：使用"ssc install"命令來安裝你需要的擴展包，如outreg2。
2. 描述性統計：通過"outreg2"命令，可以快速生成描述性統計，例如"sum(log) title(Decriptive statistics)"，還可以選擇性地保留變數。
3. 相關性分析："pwcorr"和"pwcorr_a"可用於計算變數間的相關系數。
4. 多元回歸分析："outreg2"支持估計回歸模型，包括t統計、顯著性檢驗和R方等，固定效應模型則用"xtreg"命令。
5. 穩健性檢驗：通過更換數據、處理缺失值、替換變數和改變回歸方法，來進行穩健性檢驗。
6. 數據輸入與處理："input"用於導入數據，"by"按變數分組分析，"weight"處理加權數據，"if"和"in"用於條件篩選，"for"批量執行回歸。
7. 數據處理函數：包括絕對值、指數、對數等操作，以及數據長度、字元串處理等。
8. 數據預處理和變數管理：如重命名、描述資料庫、變數標簽添加、排序、刪除和保留變數等。
9. 數據整理和擴展：使用"set obs"增加或減少觀察值，"format"改變數據格式，"list"和"su"查看和描述數據。
10. 統計分析：如百分位數計算、頻數分析、可信區間估計，以及繪制圖形如直方圖、條圖、餅圖等。
11. 推斷統計：包括單樣本、配對和兩樣本t檢驗，方差分析，以及卡方、確切概率法等檢驗。
12. 隊列研究和等級資料分析：提供了專門的命令來處理這些特殊類型的數據。
13. 相關與回歸分析：使用"corr"計算相關性，"reg"執行線性回歸，"logit"和"logistic"則用於邏輯回歸。
14. 多元回歸和逐步回歸：通過"scatterplot matrix"和"corr"創建變數間關系圖，"stepwise"進行逐步回歸分析。
15. 生存分析：包括生存時間計算、生存曲線繪制和生存率比較，以及Cox回歸。
通過這些命令，你可以有效地進行數據處理、統計分析和模型建立，以實現你的實證研究目標。