多元回归分析中F值的计算公式？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

因为编辑部有要求，需要将F值保留到小数点后四位，可是软件出来的结果是后两位。
请问各位老师有什么口令是可以保留到后四位的吗？
或者是说F值的计算公式是什么，我想去计算，应该可以保留到后四位了，
谢谢。

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

分享0 收藏0 回帖

关键词：多元回归分析 计算公式 回归分析 多元回归 小数点 计算 回归分析 主成分分析法 spss主成分分析 逐步回归分析 多元回归分析 因子分析法 应用时间序列分析

我不懂SAS, 但我相信SAS应该很容易做到保留4位小数。公式是（SSR/k)/(SSE/(n-k-1)), where k is the number of variables and n is the sample size.

用outreg2可以设定输出的位数

est tab也可以
. sysuse auto,clear
(1978 Automobile Data)

. reg price weight length displacement

      Source |       SS       df       MS              Number of obs =      74
-------------+------------------------------           F(  3,    70) =   12.44
       Model |   220789762     3  73596587.2           Prob > F      =  0.0000
    Residual |   414275635    70  5918223.35           R-squared     =  0.3477
-------------+------------------------------           Adj R-squared =  0.3197
       Total |   635065396    73  8699525.97           Root MSE      =  2432.7

------------------------------------------------------------------------------
       price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      weight |   4.613288   1.397405     3.30   0.002     1.826253    7.400324
      length |  -97.63366   39.57428    -2.47   0.016    -176.5621   -18.70524
displacement |   .7274381   6.969071     0.10   0.917    -13.17194    14.62681
       _cons |   10440.63    4369.32     2.39   0.020     1726.294    19154.96
------------------------------------------------------------------------------

. ereturn list

scalars:
                  e(N) =  74
               e(df_m) =  3
               e(df_r) =  70
                  e(F) =  12.43558798237422
                 e(r2) =  .3476646072889332
               e(rmse) =  2432.739885620465
                e(mss) =  220789761.5454144
                e(rss) =  414275634.5762072
               e(r2_a) =  .3197073761727446
                 e(ll) =  -679.9066004959987
               e(ll_0) =  -695.7128688987767
               e(rank) =  4

macros:
            e(cmdline) : "regress price weight length displacement"
              e(title) : "Linear regression"
          e(marginsok) : "XB default"
                e(vce) : "ols"
             e(depvar) : "price"
                e(cmd) : "regress"
         e(properties) : "b V"
            e(predict) : "regres_p"
              e(model) : "ols"
          e(estat_cmd) : "regress_estat"

matrices:
                  e(b) :  1 x 4
                  e(V) :  4 x 4

functions:
             e(sample)   

. estimates store base

. reg price weight length displacement foreign

      Source |       SS       df       MS              Number of obs =      74
-------------+------------------------------           F(  4,    69) =   22.23
       Model |   357559182     4  89389795.5           Prob > F      =  0.0000
    Residual |   277506214    69  4021829.19           R-squared     =  0.5630
-------------+------------------------------           Adj R-squared =  0.5377
       Total |   635065396    73  8699525.97           Root MSE      =  2005.4

------------------------------------------------------------------------------
       price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      weight |   4.801491   1.152414     4.17   0.000     2.502488    7.100495
      length |  -86.97834   32.67453    -2.66   0.010    -152.1622   -21.79445
displacement |    8.83935   5.911022     1.50   0.139    -2.952816    20.63152
     foreign |   3802.564   652.0694     5.83   0.000     2501.721    5103.407
       _cons |   5138.928   3714.852     1.38   0.171    -2271.999    12549.86
------------------------------------------------------------------------------

. estimates store alt

. estimates table base alt

----------------------------------------
    Variable |    base         alt      
-------------+--------------------------
      weight |  4.6132883    4.8014913  
      length | -97.633657   -86.978344  
displacement |  .72743814    8.8393502  
     foreign |               3802.5638  
       _cons |  10440.629    5138.9284  
----------------------------------------


. estimates table base alt, b(%7.4f) se(%7.4f) stats(N F r2_a)

----------------------------------
    Variable |  base       alt   
-------------+--------------------
      weight |  4.6133    4.8015  
             |  1.3974    1.1524  
      length | -97.6337   -86.9783  
             | 39.5743   32.6745  
displacement |  0.7274    8.8394  
             |  6.9691    5.9110  
     foreign |           3.8e+03  
             |           652.0694  
       _cons | 1.0e+04   5.1e+03  
             | 4.4e+03   3.7e+03  
-------------+--------------------
           N |      74        74  
           F | 12.4356   22.2262  
        r2_a |  0.3197    0.5377  
----------------------------------
                      legend: b/se

.

蓝色 发表于 2013-4-2 01:14
用outreg2可以设定输出的位数

老师您好，在stata输入outreg2，返回结果是unrecognized command:  outreg2啊
这是怎么回事？谢谢。

hema6868 发表于 2013-4-2 09:14
老师您好，在stata输入outreg2，返回结果是unrecognized command:  outreg2啊
这是怎么回事？谢谢。

你没有安装outreg2命令，在search里搜索安装再执行就行了

各位大侠，IPS检验中如何实现显示的P值是小数点后4位？
输出结果如下：
ipshin ggr,lag(1) trend

Im-Pesaran-Shin test for cross-sectionally demeaned ggr
Deterministics chosen: constant & trend

t-bar test, N,T = (31,13)         Obs = 341   
Augmented by 1 lags (average)

    t-bar     cv10      cv5       cv1   W[t-bar]    P-value
   -2.279   -2.330    -2.380    -2.480   -0.621     0.267

一道经济 发表于 2016-10-11 17:15
各位大侠，IPS检验中如何实现显示的P值是小数点后4位？
输出结果如下：
ipshin ggr,lag(1) trend

可考虑用正式指令 (help) xtunitroot。

黃河泉 发表于 2016-10-11 18:30
可考虑用正式指令 (help) xtunitroot。

谢谢大侠
但是，有另外一个问题还没有搞懂？就是做水平值可以出结果，而一阶差分后就出问题了，显示如下：
xtunitroot ips D.ggr,demean
factor variables and time-series operators not allowed

一道经济 发表于 2016-10-11 19:38
谢谢大侠
但是，有另外一个问题还没有搞懂？就是做水平值可以出结果，而一阶差分后就出问题了， ...

我的（Stata 14.2) 可以

1. . xtunitroot ips D.lnrxrate, demean
   
2. 
   
3. Im-Pesaran-Shin unit-root test for D.lnrxrate
   
4. ---------------------------------------------
   
5. Ho: All panels contain unit roots           Number of panels  =    151
   
6. Ha: Some panels are stationary              Number of periods =     33
   
7. 
   
8. AR parameter: Panel-specific                Asymptotics: T,N -> Infinity
   
9. Panel means:  Included                                        sequentially
   
10. Time trend:   Not included                  Cross-sectional means removed
    
11. 
    
12. ADF regressions: No lags included
    
13. ------------------------------------------------------------------------------
    
14.                                               Fixed-N exact critical values
    
15.                     Statistic      p-value         1%      5%      10%
    
16. ------------------------------------------------------------------------------
    
17. t-bar               -6.5482                     -1.730  -1.670  -1.640
    
18. t-tilde-bar         -4.1397
    
19. Z-t-tilde-bar      -41.7733        0.0000
    
20. ------------------------------------------------------------------------------

复制代码

你应该有先

1. xtset id year

复制代码

吧？