stata對交乘項回歸怎樣去中心化
『壹』 求高手分析stata回歸分析結果
上面左側的表是用來計算下面數據的，分析過程中基本不用提到
右側從上往下
1.Number of obs 是樣本容量
2.F是模型的F檢驗值，用來計算下面的P>F
3.P>F是模型F檢驗落在小概率事件區間的概率，你的模型置信水平是0.05，也就是說P>F值如果大於0.05，那麼模型就有足夠高的概率落在F函數的小概率區間，簡單的說，如果這個值大於0.05你這個模型設定有就問題，要重新設定模型
4.R-squard也就是模型的R²值，擬合優度，這個數越大你的模型和實際值的擬合度就越高，模型越好
5.Adj .R-squard 這個是調整過的R²，跟上面R²差不多，關注一個就行了
6.Root mse 是殘差標准差，值越大殘差波動越大，模型越不穩定（這個值我分析的時候一般不太關注）
下側表格
coef.是估計得到的系數值
std.err是標准差，這個數有重要意義，一般論文里都要求把標准差表示出來，這個數越大模型越不精確，越小越好
t是t檢驗值，t檢驗是用來檢驗某個系數是否顯著區別於0的，在分析中這個值一般沒什麼意義，主要用來計算P>t
P>t,這個值是觀察某個解釋變數是否有效的主要參數，還是對於你設置的0.05的置信水平，如果這個值大於0.05說明對應的解釋變數不能通過t檢驗，在模型中是不合格的，就需要作調整
後面兩個就是置信區間了，95%的置信區間，一般在論文中意義也不大
然後分析就選取你有用的參數做了，我學經濟的，一般最有用的參數就是P>F,coef，P>t，se等等，還有BIC,VIF這些，在簡單回歸里這些是不會計算的，需要其他命令
『貳』 如何對stata回歸結果說明
變數系數顯著性的t檢驗原假設為：「系數值為0」；備擇假設為「系數值不為0」；
整個回歸方程顯著性的F檢驗原假設為：「回歸模型中各變數系數均為0」；備擇假設為「回歸模型中各變數系數均不為0」。
圖中「P>t」的值均為0表示在99%的顯著性水平下，拒絕了系數為0的原假設，說明系數較為顯著；
圖中的回歸中被解釋變數為「cxx」，解釋變數為「gnp」「Number of obs」表明本次回歸的樣本容量為20，「Prob>F=0.0000」表明整個回歸方程較為顯著，「R-squared=0.9719」表明被解釋變數與擬合值之間的擬合程度較高；變數「gnp」的回顧系數值為0.7726556，回歸標准誤為0.030991，因此t統計量的值為0.7726556/0.030991=24.93，p值為0說明變數「gnp」在99%顯著水平下十分顯著；「_cons」表示常數項，值為-7228.238，標准誤為1519.469，相關p值說明常數項十分顯著，
『叄』 怎樣用stata對回歸模型進行估計急！！！
help regress
不會操作可以聯系我哈
『肆』 怎麼進行去中心化處理
根據侯傑泰的話：所謂中心化， 是指變數減去它的均值（即數學期望值）。對於樣本數據，將一個變數的每個觀測值減去該變數的樣本平均值，變換後的變數就是中心化的。
對於你的問題，應是每個測量值減去均值。
『伍』 怎樣用stata進行回歸分析和檢驗
用stata進行平穩性檢驗的方法：
1、點擊面板上的額ADF檢驗
2、在打開的對話框中輸入命令dfuller，就開始了平穩性檢驗
Stata
是一套提供其使用者數據分析、數據管理以及繪制專業圖表的完整及整合性統計軟體。它提供許許多多功能，包含線性混合模型、均衡重復反復及多項式普羅比模式。
Stata
的統計功能很強，除了傳統的統計分析方法外，還收集了近
20
年發展起來的新方法，如
Cox
比例風險回歸，指數與
Weibull
回歸，多類結果與有序結果的
logistic
回歸，
Poisson
回歸，負二項回歸及廣義負二項回歸，隨機效應模型等。
『陸』 stata如何回歸
回歸有很多種呀，你要做哪種回歸？
如因變數y對自變數x的線性回歸：
regress
y
x
因變數y對自變數x1、x2、x3的線性回歸：
regress
y
x1
x2
x3
因變數為二分變數的y對自變數x1、x2、x3的Logistic回歸：
logistic
y
x1
x2
x3
還有許多相應語句，幫助裡面就有，請看軟體自帶幫助。
『柒』 stata回歸中怎麼添加交互項
調節效應應該檢驗交互因子的系數，這個系數顯著，就可以說明調節效應了。你的這個模型找到文獻支持可以成立的
excluded variables(已排除的變數)
你應該是第一張放兩個變數，第二張放3個變數，選擇的回歸方法是enter(進入)。但是spss不是按照你的順序去放變數，而是把你所選的所有變數都加到模型裡面去，在進行第一個回歸的時候把多出來的變數排除，所以會有這個表格出現。如果不想出現這個表格，你就分兩次做回歸，第一次放中心D中心H，出了結果再放中心D中心H D乘H，分兩次做就不會有了。