回归结果解释问题？

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

sysuse auto, clear
gen weiXlen = weight*length
reg price weight mpg foreign weiXlen
结果（1）：
reg price weight mpg foreign weiXlen

      Source |       SS       df       MS              Number of obs =      74
-------------+------------------------------           F(  4,    69) =   18.07
       Model |   324946950     4  81236737.5           Prob > F      =  0.0000
    Residual |   310118446    69  4494470.24           R-squared     =  0.5117
-------------+------------------------------           Adj R-squared =  0.4834
       Total |   635065396    73  8699525.97           Root MSE      =    2120

------------------------------------------------------------------------------
       price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      weight |   6.925235   2.718301     2.55   0.013     1.502374     12.3481
         mpg |   23.08049   73.85253     0.31   0.756    -124.2513    170.4123
     foreign |   3748.393   682.9579     5.49   0.000     2385.929    5110.856
     weiXlen |  -.0126381   .0096592    -1.31   0.195    -.0319077    .0066315
       _cons |  -8975.519   4120.947    -2.18   0.033    -17196.58   -754.4543
------------------------------------------------------------------------------
而：reg price weight mpg foreign weiXlen length
结果（2）：
. reg price weight mpg foreign weiXlen length

      Source |       SS       df       MS              Number of obs =      74
-------------+------------------------------           F(  5,    68) =   17.20
       Model |   354688192     5  70937638.5           Prob > F      =  0.0000
    Residual |   280377204    68  4123194.17           R-squared     =  0.5585
-------------+------------------------------           Adj R-squared =  0.5260
       Total |   635065396    73  8699525.97           Root MSE      =  2030.6

------------------------------------------------------------------------------
       price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      weight |   2.110066   3.161194     0.67   0.507    -4.197997     8.41813
         mpg |  -33.76756   73.83542    -0.46   0.649    -181.1038    113.5687
     foreign |   3380.736   668.3116     5.06   0.000     2047.141    4714.331
     weiXlen |    .017521   .0145496     1.20   0.233    -.0115124    .0465543
      length |  -141.4192   52.65575    -2.69   0.009    -246.4921   -36.34631
       _cons |   15860.01   10054.36     1.58   0.119    -4203.164    35923.18
------------------------------------------------------------------------------
回归方程中加了length后，相乘项的weixlen系数从负数变成了正数，要如何解释呢？
结果一中，我解释成汽车的长度越长，重量对价格的影响在减弱。
而在结果二中，这样解释好像又不行了？

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：回归结果 结果解释 Residual Interval Foreign foreign price

你这个交叉项根本不显著，用不着解释。

感谢您的解答。我做实证的时候发现过显著的类似的问题。如果要解释长度，对汽车重量和价格之间的影响，用模型一还是模型二呢。

yumin1207 发表于 2015-9-9 17:15
感谢您的解答。我做实证的时候发现过显著的类似的问题。如果要解释长度，对汽车重量和价格之间的影响，用模 ...

你的模型1里根本没有长度吧。。。除了那个不显著的交叉项。。。那只好选2了哦。