各位高手，本人用stata做一个题，结果让我痛不欲生，数据见附件。

其中：因变量为雇员人数增长率，自变量固定资产投资增长率、注册资本增长率、雇主教育程度和雇主年龄。

其中的雇主的教育程度和年龄的数据是根据统计年鉴上过来的，例如教育程度的未上学、小学、初中、高中、大学及以上5个数据之和为100%。

我要分析自变量和因变量之间的数据关系。

首先，用reg命令进行分析，得到的结果是这样的

 

      Source |       SS       df       MS              Number of obs =       5

-------------+------------------------------                         F(  4,     0) =       .

       Model |  .009282572     4  .002320643             Prob > F      =       .

     Residual |           0     0           .              R-squared     =  1.0000

-------------+------------------------------                         Adj R-squared =       .

        Total |  .009282572     4  .002320643             Root MSE      =       0

 

------------------------------------------------------------------------------

        人数增长率 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

固定资产投资增长率 |  -.4640303          .        .       .            .           .

    注册资本增长率 |  -1.168291          .        .       .            .           .

 未上学 |  (dropped)

              小学 |   1.218974          .        .       .            .           .

              初中 |  (dropped)

              高中 |  (dropped)

        大学及以上 |  (dropped)

               16-29 |  -2.728219          .        .       .            .           .

              30-39 |  (dropped)

              40-49 |  (dropped)

            50以上 |  (dropped)

              _cons |   .9056238          .        .       .            .           .

------------------------------------------------------------------------------

 

. 进行相关性分析的结果：

 

 

 

                                  |   人数增长率 固定资产增长率 注册资本增长率 未上学  小学 初中 高中    大学及以上

-------------+------------------------------------------------------------------------

        人      数增长率 |   1.0000

固定资产投资增长率 |   0.0989   1.0000

      注册资本增长率 |  -0.3782  -0.8844   1.0000

                    未上学 |  -0.1637  -0.8001   0.5861   1.0000

                       小学 |  -0.0556  -0.4789   0.3126   0.8678   1.0000

                       初中 |  -0.5919  -0.8458   0.8815   0.8022   0.5441   1.0000

                      高中 |   0.1398   0.6372  -0.4901  -0.9371  -0.9789  -0.6962   1.0000

            大学及以上 |   0.5483   0.8321  -0.8197  -0.8773  -0.6604  -0.9876   0.7913   1.0000

                     16-29 |  -0.4296  -0.8000   0.6557   0.9435   0.7110   0.9097  -0.8180  -0.9533

                     30-39 |   0.0562  -0.9812   0.8289   0.7151   0.3691   0.7336  -0.5262  -0.7122

                     40-49 |   0.2618   0.8579  -0.6536  -0.9689  -0.7229  -0.8669   0.8288   0.9156

                   50以上 |   0.2540   0.9596  -0.9530  -0.6438  -0.2728  -0.8614   0.4603   0.8064

 

                | 16-29    30-39     40-49  50以上

-------------+------------------------------------

        16-29 |   1.0000

        30-39 |   0.6968   1.0000

        40-49 |  -0.9829  -0.7826   1.0000

       50以上 |  -0.7170  -0.9390   0.7470   1.0000

 

 

求教，我用的数据分析模型是不是错误的？雇主的教育程度和年龄的数据是不是有问题 ？