求助，急！多元线性回归怎么判断自变量对因变量的影响程度

比如说这个回归，我知道看P值判断影响是否显著还有看coefficient的符号判断影响的正负，但是怎么判断自变量对因变量的影响程度？隐约记得不能直接通过系数的大小判断影响程度，在网上查了些资料但是都说的比较模糊。有没有大佬能详细提供一下方法，如果再加上stata的命令更好，完美解决问题的话会再追加悬赏分，万分感谢！

再补充一下，怎么才能计算出自变量每变化1%，因变量相应变动多少值呢？
比如上图的回归，通过分析哪个数据能判断出return变化1%，ig(这个变量是cdx index)变动多少bp.

xieweiping87 发表于 2017-8-16 04:49
再补充一下，怎么才能计算出自变量每变化1%，因变量相应变动多少值呢？
比如上图的回归，通过分析哪个数据 ...

取对数啊

liaoqiumin 发表于 2017-8-16 08:25
取对数啊

不好意思，我水平有限，看不太明白。怎么个取对数法？直接对自变量的系数取对数吗？用不用预测残差？又怎么判断自变量对因变量的影响程度呢？
如果方便的话，能不能稍微详细的讲一讲嘞，谢谢啦

个人觉得：
一般都是看有没有显著影响及其影响方向（正负），至于影响程度，一般都是根据回归系数说自变量变动一个单位，因变量变动多少个单位。
如果系数很小，比如0.00001这种，我们说虽然具有统计上的显著性，但是没有经济的显著性，也就是说研究这个没意义，无论是什么样的影响都不值得关注，因为影响实在太小，不知道这个是不是你理解的影响程度。
对于百分比的影响，可以将自变量和因变量取对数回归，即lny对lnx1 lnx2.....进行回归（也可以只取因变量的对数）。但是这种形式的回归不是随便都可以设的，而是要根据模型的经济含义，比如说弹性半弹性等，常见的如工资取对数等。

也是晴天 发表于 2017-8-23 20:41
个人觉得：
一般都是看有没有显著影响及其影响方向（正负），至于影响程度，一般都是根据回归系数说自变量 ...

你好，如果y存在取值为0的情况，怎么求得半弹性呢？我查了些资料，发现有的论文将y+1再取对数，但是这个方法可能不适用我的研究，因为我的y是一个比值，取值范围为0~5之间，且该半弹性的具体数值比较重要（因此不能+1，这样会改变具体数值）。

在多元线性回归中，自变量对因变量的影响程度通常通过系数（coefficient）及其标准误差（standard error）来衡量。以下是一些方法：

1. **系数大小**：虽然不能直接比较系数的绝对大小来判断影响程度，但可以相对比较同一模型中不同自变量的系数。系数越大，表示该自变量对因变量的影响越强。但是请注意，这必须在控制其他自变量的情况下进行。

2. **t值或z值**：系数除以其标准误差得到t值（对于小样本）或z值（对于大样本）。这个值越大，说明自变量的影响越显著。通常，如果t值或z值的绝对值大于1.96（对应于双侧检验的0.05显著性水平），则认为影响是显著的。

3. **P值**：这是检验零假设（系数为0）时被拒绝的概率。P值越小，表明自变量对因变量的影响越显著。通常，我们用0.05或0.01作为显著性阈值。

4. **R改变量**（ΔR）：如果在逐步回归或其他模型比较中，可以计算添加一个自变量后R的增加量来衡量其对整体模型拟合度的贡献。这能反映该自变量解释因变量变异性的一部分。

在Stata中，你可以使用`estat ic`命令查看R和AIC/BIC等统计量，以及`estat pvalues`或`test`命令来获取P值。对于t值，直接查看回归输出结果即可。例如：

```stata
regress y x1 x2 x3, robust
```

这将运行一个多元线性回归，并显示所有系数、标准误差、t值和P值。如果想查看R的改变量，可以使用`stepwise`或`enter`命令逐步添加自变量。

希望这些信息能对你有所帮助！如果你有更多具体问题，请继续提问。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用