做回歸分析時,，有沒有覺得只報一張β系數(shù)和R方的表格不夠高端,？這期咱就把回歸分析的圖表玩出花來。本期用到的數(shù)據(jù)是Stata自帶的示例數(shù)據(jù)auto,，反映了1978年美國不同品牌汽車的交易記錄：品牌（make）,、價格（price）、里程數(shù)（mpg）,、維修記錄（rep78）,、凈空（headroom）、行李箱容積（trunk）,、空車質(zhì)量（weight）,、車長（length）、發(fā)動機排量（displacement）,、齒數(shù)比（gear_ratio）等,；通過“sysuse”調(diào)用Stata自帶數(shù)據(jù)：

sysuse auto,clear

一元線性回歸：在散點圖上添加置信區(qū)間

對于一元線性回歸分析，可以通過在散點圖上添加置信區(qū)間的方式,，來讓結(jié)果更好看,；例如，以“價格（price）”為因變量,，“里程數(shù)（mpg）”為自變量,，分析兩者之間的關(guān)系：

graph twoway (lfitci pricempg)(scatter price mpg)

為防止置信區(qū)間“帶狀區(qū)域”蓋住散點，所以我們先繪制置信區(qū)間（lfitci）再點出散點（scatter）,；但這個圖還是有兩個問題：如果需要90%的置信水平怎么辦（默認為95%）？需要標(biāo)注各個點的名稱怎么破,？下面就來解決這兩個問題,，先根據(jù)自己的實際需要修改置信水平（stdf level）：

graph twoway (lfitci price mpg,stdf level(90))(scatterprice mpg)

再給各個點標(biāo)注（mlabel）名稱：

graph twoway (lfitci price mpg,stdf level(90))(scatterprice mpg,mlabel(make))

多元線性回歸：同時標(biāo)注回歸系數(shù)和置信區(qū)間

這種圖示長得有點像“元分析（meta-analysis）”里面的“森林圖（forest plot）”；例如,，以“價格（price）”為因變量,，里程數(shù)（mpg）、維修記錄（rep78）,、凈空（headroom）,、行李箱容積（trunk）、空車質(zhì)量（weight）,、車長（length）,、發(fā)動機排量（displacement）、齒數(shù)比（gear_ratio）等為自變量,，分析它們之間的關(guān)系：

reg price mpg rep78 turn headroomtrunk weight length displacement gear_ratio

這是我們做回歸分析時最常見的報表,，接下來給這張報表做做“美容”,在這之前要先安裝plotbeta命令：

ssc install plotbeta

plotbeta mpg | rep78 | turn | headroom | trunk | weight| length | displacement | gear_ratio, xtitle(Parameters) yscale(range(0.7 4.3)axis(1)) yscale(range(0.7 4.3) axis(2)) xline(0, lp(dash))

本期參考文獻