全部版块 我的主页
› 论坛 › 计量经济学与统计论坛 五区 › 计量经济学与统计软件 › Stata专版
应该用那个 R-squared呢？
Jekins
12356 13
2012-03-29
用xtreg命令，得到如下结果：

Fixed-effects (within) regression               Number of obs      =       245
Group variable: v2                              Number of groups   =        35

R-sq:  within  = 0.6662                         Obs per group: min =         7
       between = 0.8320                                        avg =       7.0
       overall = 0.7800                                        max =         7

                                                F(7,203)           =     57.87
corr(u_i, Xb)  = 0.6659                         Prob > F           =    0.0000

------------------------------------------------------------------------------
  urbanscale |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         pop |   .1699761   .0556392     3.05   0.003     .0602713    .2796809
        zzrk |   .1585806   .0513219     3.09   0.002     .0573881     .259773
   incomeper |   .0038924   .0010555     3.69   0.000     .0018113    .0059736
   landprice |    .003809   .0084058     0.45   0.651    -.0127648    .0203827
      hprice |   .0221776   .0030435     7.29   0.000     .0161767    .0281784
       acce2 |   .0008565   .0005598     1.53   0.128    -.0002473    .0019604
     roadper |    4.85866   1.160331     4.19   0.000     2.570813    7.146506

用areg命令得到如下结果：
Linear regression, absorbing indicators                Number of obs =     245                                                       F(  7,   203) =   57.87                                                       Prob > F      =  0.0000                                                       R-squared     =  0.9757                                                       Adj R-squared =  0.9707                                                       Root MSE      =  41.603
------------------------------------------------------------------------------  urbanscale |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]-------------+----------------------------------------------------------------         pop |   .1699761   .0556392     3.05   0.003     .0602713    .2796809        zzrk |   .1585806   .0513219     3.09   0.002     .0573881     .259773   incomeper |   .0038924   .0010555     3.69   0.000     .0018113    .0059736   landprice |    .003809   .0084058     0.45   0.651    -.0127648    .0203827       total |   .0008565   .0005598     1.53   0.128    -.0002473    .0019604     roadper |    4.85866   1.160331     4.19   0.000     2.570813    7.146506      hprice |   .0221776   .0030435     7.29   0.000     .0161767    .0281784       _cons |   34.12666   22.66248     1.51   0.134    -10.55738    78.81069-------------+----------------------------------------------------------------        city |        F(34, 203) =     26.226   0.000          (35 categories)
请问：应该用 R-squared呢？为什么会出现如此不同的结果？谢谢！


二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
宋钦
2012-3-29 23:35:34
一般用后面的调整过的，但是可决系数对回归结果影响不大
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

蓝色
2012-3-30 08:13:19
.  xtreg logc logq logf lf, i(i) fe

Fixed-effects (within) regression               Number of obs      =        90
Group variable: i                               Number of groups   =         6

R-sq:  within  = 0.9926                         Obs per group: min =        15
       between = 0.9856                                        avg =      15.0
       overall = 0.9873                                        max =        15

                                                F(3,81)            =   3604.80
corr(u_i, Xb)  = -0.3475                        Prob > F           =    0.0000

------------------------------------------------------------------------------
        logc |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        logq |   .9192846   .0298901    30.76   0.000     .8598126    .9787565
        logf |   .4174918   .0151991    27.47   0.000     .3872503    .4477333
          lf |  -1.070396     .20169    -5.31   0.000    -1.471696   -.6690963
       _cons |   9.713528    .229641    42.30   0.000     9.256614    10.17044
-------------+----------------------------------------------------------------
     sigma_u |   .1320775
     sigma_e |  .06010514
         rho |  .82843653   (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0:    F(5, 81) =    57.73               Prob > F = 0.0000

.   areg logc logq logf lf, absorb(i)

Linear regression, absorbing indicators           Number of obs   =         90
                                                  F(   3,     81) =    3604.80
                                                  Prob > F        =     0.0000
                                                  R-squared       =     0.9974
                                                  Adj R-squared   =     0.9972
                                                  Root MSE        =     0.0601

------------------------------------------------------------------------------
        logc |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        logq |   .9192846   .0298901    30.76   0.000     .8598126    .9787565
        logf |   .4174918   .0151991    27.47   0.000     .3872503    .4477333
          lf |  -1.070396     .20169    -5.31   0.000    -1.471696   -.6690963
       _cons |   9.713528    .229641    42.30   0.000     9.256614    10.17044
-------------+----------------------------------------------------------------
           i |          F(5, 81) =     57.732   0.000           (6 categories)

. xi:reg logc logq logf lf i.i
i.i               _Ii_1-6             (naturally coded; _Ii_1 omitted)

      Source |       SS       df       MS              Number of obs =      90
-------------+------------------------------           F(  8,    81) = 3935.79
       Model |   113.74827     8  14.2185338           Prob > F      =  0.0000
    Residual |  .292622872    81  .003612628          R-squared     =  0.9974
-------------+------------------------------          Adj R-squared =  0.9972
       Total |  114.040893    89  1.28135835           Root MSE      =  .06011

------------------------------------------------------------------------------
        logc |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        logq |   .9192846   .0298901    30.76   0.000     .8598126    .9787565
        logf |   .4174918   .0151991    27.47   0.000     .3872503    .4477333
          lf |  -1.070396     .20169    -5.31   0.000    -1.471696   -.6690963
       _Ii_2 |  -.0412359   .0251839    -1.64   0.105    -.0913441    .0088722
       _Ii_3 |  -.2089211   .0427986    -4.88   0.000    -.2940769   -.1237652
       _Ii_4 |   .1845557   .0607527     3.04   0.003     .0636769    .3054345
       _Ii_5 |   .0240547   .0799041     0.30   0.764    -.1349293    .1830387
       _Ii_6 |   .0870617   .0841995     1.03   0.304     -.080469    .2545924
       _cons |   9.705942    .193124    50.26   0.000     9.321686     10.0902
------------------------------------------------------------------------------

. test _Ii_2 _Ii_3 _Ii_4 _Ii_5 _Ii_6
( 1)  _Ii_2 = 0
( 2)  _Ii_3 = 0
( 3)  _Ii_4 = 0
( 4)  _Ii_5 = 0
( 5)  _Ii_6 = 0
       F(  5,    81) =   57.73
            Prob > F =    0.0000

二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

蓝色
2012-3-30 08:21:11
上面是greene书上 面板数据那一章例子的对比
不同的方法 R2的计算是不同的
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

Jekins
2012-3-30 15:33:03
蓝色 发表于 2012-3-30 08:21
上面是greene书上 面板数据那一章例子的对比
不同的方法 R2的计算是不同的
太感谢您啦。其实我是觉得我算出那个0.96的数据太大了，没想到例子中的更大。那应该不会错了，谢谢！
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

jinghua0126
2017-2-24 10:39:15
谢谢！原先只做xtreg ，发现没有出现Adj R-squared 值，一直没有耐心查找原因。原来还得做 areg 回归才会出来调整后的R平方值。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群