关键词： stata回归结果怎么看,stata回归结果解释,stata回归结果
刚刚学习sata软件，建立了一个受教育年限、工作起薪以及性别对工资收入的影响模型，得出以下结果，不知道模型分析的结果应该怎么写呢？
求帮助:
经典回答1：
（1）由于F检验的P值为0，模型总体是统计显著的，模型较好
（2）R方接近80%，说明模型的拟合度很高，模型较好
（3）教育年限变量和工资具有统计显著的正相关关系（原因：t检验的P值为0），其他因素不变，教育年限每增加1年，工资平均增长990元。
（4）工作起薪变量和工资具有统计显著的正相关关系（原因：t检验的P值为0），其他因素不变，工作起薪每增加1元，工资平均增长1.6元。
（5）性别变量和工资在5%的显著性下相关（我不知道你性别变量怎么设的，一般是男=1，女=0，我按这个写的，如果不是请告知），男性比女性在其他因素不变的情况下平均多1593元工资。
经典回答2：
上面左侧的表是用来计算下面数据的，分析过程中基本不用提到
右侧从上往下
1.Number of obs 是样本容量
2.F是模型的F检验值，用来计算下面的P>F
3.P>F是模型F检验落在小概率事件区间的概率，你的模型置信水平是0.05，也就是说P>F值如果大于0.05，那么模型就有足够高的概率落在F函数的小概率区间，简单的说，如果这个值大于0.05你这个模型设定有就问题，要重新设定模型
4.R-squard也就是模型的R²值，拟合优度，这个数越大你的模型和实际值的拟合度就越高，模型越好
5.Adj .R-squard 这个是调整过的R²，跟上面R²差不多，关注一个就行了
6.Root mse 是残差标准差，值越大残差波动越大，模型越不稳定（这个值我分析的时候一般不太关注）
下侧表格
- coef.是估计得到的系数值
- std.err是标准差，这个数有重要意义，一般论文里都要求把标准差表示出来，这个数越大模型越不精确，越小越好
- t是t检验值，t检验是用来检验某个系数是否显著区别于0的，在分析中这个值一般没什么意义，主要用来计算P>t
- P>t,这个值是观察某个解释变量是否有效的主要参数，还是对于你设置的0.05的置信水平，如果这个值大于0.05说明对应的解释变量不能通过t检验，在模型中是不合格的，就需要作调整
- 后面两个就是置信区间了，95%的置信区间，一般在论文中意义也不大
然后分析就选取你有用的参数做了，我学经济的，一般最有用的参数就是P>F,coef，P>t，se等等，还有BIC,VIF这些，在简单回归里这些是不会计算的，需要其他命令
