用来处理回归数据_stata速学|聚类分析|最小二乘回归分析

NO.04

ZEYI

04.2020

正文共： 3292字 52图预计阅读时间： 9分钟嘿喽，我是则已。这是stata的第四期学习。

前面学习了相关分析、主成分分析与因子分析。今天来学习：聚类分析、ols回归分析。划线部分是自己要研究的变量。聚类分析

聚类分析研究的是事物分类的基本方法，基于所研究的数据之间存在着不同程度的相似性来进行分析。主要有划分聚类法和层次聚类法。 01 划分聚类法简划分聚类法是将样本数据划分到一系列事先设定好的不重合的分组去。划分聚类方法有两种：K个平均数的聚类分析法、K个中位数的聚类分析法。

首先依次对变量进行标准化处理: egen zv2=std(V2) egen zv3=std(V3) egen zv4=std(V4) 对变量进行描述性分析：sum zv2 zv3 zv4

结果分析：可以看到均值基本上为0，标准差为1，说明标准化起到了一定效果。进行K个平均数的聚类分析,并且分为两类：cluster kmeans zv2 zv3 zv4，k(2)

打开上方的数据浏览界面：

结果分析:可以看到数据被分为了1类和2类，观察每个分类特征，可以看到1类的变量zv2,zv3,zv4的值大都是比2类的高，基本是正数。也可以分为三类：cluster kmeans zv2 zv3 zv4,k(3)

接下来介绍另外一种分类方法，按中位数划分聚类层次： cluster kmedians zv2 zv3 zv4，k(2)

02 层次聚类分析法层次聚类分析法是根据一定标准使最相近的样本聚合在一起，然后逐步放松标准使得比较相近的样本汇集到一起，最后将所有观测样本都聚类分析到一个组。与划分聚类分析法的区别在于，它不用事先指定需要的分类的数量。方法共有6种：最短连接法聚类分析，最长连接法聚类分析，平均连接法聚类分析，加权平均法聚类分析，中位数连接法聚类分析，重心连接法聚类分析，wards连接聚类分析法。

首先还是对数据进行标准化处理，使其均值为0，标准值为1：

egen zv2=std(V2)

egen zv3=std(V3)

egen zv4=std(V4)

egen zv5=std(V5)

看看处理完的结果：

用最短连接法聚类分析方法对几个变量进行层次聚类分析： cluster singlelinkage zv2 zv3 zv4 zv5

结果分析： clus_1_id表示系统对观测样本的初始编号，clus_1_ord表示系统对观测样本进行聚类分析处理后的编号，clus_1_hgt表示系统对该观测样本进行聚类计算算后的值。为了让数据分析结果更加可视化一点，做一个聚类分析树状图： cluster dendrogram

图形分析：我们抽取两个样本看，例如7号样本和16号样本是聚合在一起的，它两聚合后在一起后又与3号样本进行了聚合。依次类推，到最后11号样本和所有样本都聚集到了一块。那关于聚类可以分为几类呢，这个应依据自己研究需要，需要用户自己判断。例如你分两类，那么就以11号为一类，其余的为另一类。要分三类的话又是另外的分法。由此可见层次聚类分析法非常好的满足了聚类分析的探索性特点。我们还可以用最长连接分析法： cluster completelinkage zv2 zv3 zv4 zv5 cluster dendrogram

再试试平均连接法： cluster averagelinkage zv2 zv3 zv4 zv5 cluster dendrogram

加权平均连接法： cluster waveragelinkage zv2 zv3 zv4 zv5 cluster dendrogram

中位数连接法： cluster medianlinkage zv2 zv3 zv4 zv5 cluster dendrogram

重心连接法聚类分析：cluster centroidlinkage zv2 zv3 zv4 zv5 这个无法画图。 wards连接聚类分析法： cluster wardslinkage zv2 zv3 zv4 zv5 cluster dendrogram

有时候样本比较多，所以做的图会比较乱，我们使用产生聚类变量的方法按照变量的特点对所有样本进行聚类，比如把所有样本分成四类，然后在进行层次聚类分析并作图： cluster generate type1=group(4)

在聚类分析法中，主要是划分聚类分析法和层次聚类分析法，前者程序比较简单，但后一种提供了很多方法，更方便按需去分析数据。接下来学习OLS回归分析。 OLS回归分析

最普通的最小二乘线性回归分析是分析某一变量受别的变量影响程度。基本思想是研究因变量和自变量的因果关系。主要有：简单线性回归、多重线性回归。 01 简单线性回归简单线性回归只涉及一个自变量，建立变量之间的线性模型，并依据模型做出评价和预测。

在回归分析之前，先作描述性分析：summarize year inflation unwork,detailk 得到结果如下：

结果分析:通过本部分操作来了解数据的整体特征。看看有没有极端值，异常值。可以看到我们的数据质量还是不错的，变量之间的差距是可以接受的，变量的偏度，峰度也是可以接受的，可以进行下一步分析。相关分析：correlate year inflation unwork

结果分析：通常来说一个变量可以影响另一个变量，那么他们之间是可能相关的关系。相关分析是回归分析很重要的一部分。但要注意数据分析作为辅助工具，可以验证事实，却不能推出事实。可以看出通货膨胀率和事业率的系数是0.633，说明这两个变量存在比较强的正相关关系。下面进入回归分析，以失业率为因变量，通货膨胀率为自变量： regress unwork inflation

结果分析：模型的F值为5.36，P值为0.0493整体是非常显著的，在0.05的假设水平上通过了检验。模型的R系数为0.4011，修正系数为0.3263，说明模型的解释能力不足。模型的回归方程式：unwork=0.157083inflation+3.600665。其中自变量的系数标准误差是0.157083。t值是2.31，P值是0.049说明模型是非常显著的。我们还可知道95%的置信区间是多少。由此我们知道我国的通货膨胀率和失业率是正比关系。获取参与回归的各变量的系数以及常数项的方差、协方差矩阵：vce