reg是什么指令stata？常见用法有哪些？

Question

在Stata中，`reg` 是进行线性回归分析的核心命令，全称为 `regress`，用于估计因变量与一个或多个自变量之间的线性关系。常见用法包括：`reg y x1 x2`（执行多元线性回归）、`reg y x1 i.group`（引入分类变量）、`reg y x1 c.x2##i.group`（包含交互项）等。常配合 `if`、`in`、`weight` 等选项进行子样本分析或加权回归。输出结果包含系数、标准误、t值、p值及置信区间，便于统计推断。初学者常困惑于如何解释结果、处理多重共线性、检验模型假设（如异方差、正态性）以及如何保存和导出回归结果。此外，误用变量类型或忽略内生性问题也是常见技术难题。

Answer 1

Stata中`reg`命令的深度解析与实战应用

1. 基础语法与常见用法

在Stata中，regress（简写为reg）是执行普通最小二乘法（OLS）回归的核心命令。其基本语法如下：

reg y x1 x2
reg y x1 i.group
reg y x1 c.x2##i.group

• reg y x1 x2：执行多元线性回归，估计y对x1和x2的线性影响。
• i.group：将group变量作为分类变量引入模型，Stata自动创建虚拟变量。
• c.x2##i.group：表示连续变量x2与分类变量group的完全交互项（主效应+交互）。

此外，可通过选项扩展功能：

选项	作用
if	条件筛选样本，如if year > 2010
in	指定观测范围，如in 1/100
[aweight=f]	使用分析权重进行加权回归
noconstant	去除截距项

2. 回归结果解读与统计推断

运行reg后，Stata输出包含以下关键信息：

• 系数估计值（Coef.）：表示自变量每单位变化对因变量的边际影响。
• 标准误（Std. Err.）：衡量系数估计的精确度。
• t值与p值：用于检验系数是否显著不为零。
• 置信区间（[95% Conf. Interval]）：提供参数估计的不确定性范围。

例如，若x1的系数为0.75（p=0.003），说明在控制其他变量下，x1每增加1单位，y平均增加0.75单位，且该关系在α=0.05水平上显著。

对于分类变量i.group，基准组默认为最小取值或通过ib#.指定，其余组别展示相对于基准组的差异。

3. 模型诊断与假设检验

线性回归依赖若干经典假设，需通过后续命令验证：

estat vif          // 检验多重共线性（VIF > 10 表示严重问题）
rvfplot, yline(0)  // 残差与拟合值图，检测异方差与非线性
sktest e           // 对残差进行正态性检验（需先predict e, resid）
imtest, white      // White检验异方差

若存在异方差，可采用稳健标准误：

reg y x1 x2, robust

此命令修正标准误，使t检验和置信区间更可靠。

4. 高级建模技巧与交互项解释

使用c.x2##i.group时，模型同时包含x2、group及其交互项。交互项系数反映不同组别中x2效应的差异。

可通过margins命令计算边际效应：

reg y c.x2##i.group
margins group, dydx(x2)

该命令输出每个group中x2的边际效应及其显著性，便于跨组比较。

流程图展示建模决策路径：

graph TD A[开始回归分析] --> B{是否包含分类变量?} B -- 是 --> C[使用i.var] B -- 否 --> D[直接输入连续变量] C --> E{是否存在调节效应?} E -- 是 --> F[使用c.var##i.group] E -- 否 --> G[基础模型] F --> H[运行regress] G --> H H --> I[诊断模型假设]

5. 结果保存与导出

使用estimates store保存模型以便后续比较：

reg y x1
estimates store model1
reg y x1 x2
estimates store model2
esttab model1 model2 using results.rtf, replace

借助estout或logout包可导出至Word、Excel或LaTeX。

常见错误包括：误将连续变量当作分类变量处理，或忽略遗漏变量导致的内生性问题。

解决内生性可考虑工具变量法（ivregress）或面板数据方法（xtreg）。