stata对交乘项回归怎样去中心化
『壹』 求高手分析stata回归分析结果
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
『贰』 如何对stata回归结果说明
变量系数显著性的t检验原假设为：“系数值为0”；备择假设为“系数值不为0”；
整个回归方程显著性的F检验原假设为：“回归模型中各变量系数均为0”；备择假设为“回归模型中各变量系数均不为0”。
图中“P>t”的值均为0表示在99%的显著性水平下，拒绝了系数为0的原假设，说明系数较为显著；
图中的回归中被解释变量为“cxx”，解释变量为“gnp”“Number of obs”表明本次回归的样本容量为20，“Prob>F=0.0000”表明整个回归方程较为显著，“R-squared=0.9719”表明被解释变量与拟合值之间的拟合程度较高；变量“gnp”的回顾系数值为0.7726556，回归标准误为0.030991，因此t统计量的值为0.7726556/0.030991=24.93，p值为0说明变量“gnp”在99%显著水平下十分显著；“_cons”表示常数项，值为-7228.238，标准误为1519.469，相关p值说明常数项十分显著，
『叁』 怎样用stata对回归模型进行估计急！！！
help regress
不会操作可以联系我哈
『肆』 怎么进行去中心化处理
根据侯杰泰的话：所谓中心化， 是指变量减去它的均值（即数学期望值）。对于样本数据，将一个变量的每个观测值减去该变量的样本平均值，变换后的变量就是中心化的。
对于你的问题，应是每个测量值减去均值。
『伍』 怎样用stata进行回归分析和检验
用stata进行平稳性检验的方法：
1、点击面板上的额ADF检验
2、在打开的对话框中输入命令dfuller，就开始了平稳性检验
Stata
是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。
Stata
的统计功能很强，除了传统的统计分析方法外，还收集了近
20
年发展起来的新方法，如
Cox
比例风险回归，指数与
Weibull
回归，多类结果与有序结果的
logistic
回归，
Poisson
回归，负二项回归及广义负二项回归，随机效应模型等。
『陆』 stata如何回归
回归有很多种呀，你要做哪种回归？
如因变量y对自变量x的线性回归：
regress
y
x
因变量y对自变量x1、x2、x3的线性回归：
regress
y
x1
x2
x3
因变量为二分变量的y对自变量x1、x2、x3的Logistic回归：
logistic
y
x1
x2
x3
还有许多相应语句，帮助里面就有，请看软件自带帮助。
『柒』 stata回归中怎么添加交互项
调节效应应该检验交互因子的系数，这个系数显著，就可以说明调节效应了。你的这个模型找到文献支持可以成立的
excluded variables(已排除的变量)
你应该是第一张放两个变量，第二张放3个变量，选择的回归方法是enter(进入)。但是spss不是按照你的顺序去放变量，而是把你所选的所有变量都加到模型里面去，在进行第一个回归的时候把多出来的变量排除，所以会有这个表格出现。如果不想出现这个表格，你就分两次做回归，第一次放中心D中心H，出了结果再放中心D中心H D乘H，分两次做就不会有了。