stata线性回归分析_stata线性回归

总体平方和残差平方和，解释平方和 ，F检验值 F检验P值 判定系数 调整判定系数 均方根误差 变量系数 标准误差 t检验值 t检验P值 置信区间    这些值怎么看？？？？专业老师让我们分析，大神有会的吗？先谢谢了

总体平方和：在你整个回归结果的左上角部分，SS和total所确定的数值就是，也就是9.00072（没写全，后面部分我没抄，你如果需要更高精度回上表看……）
残差平方和：在你整个回归结果的左上角部分，SS和residual所确定的数值就是，也就是0.1374
解释平方和：在你整个回归结果的左上角部分，SS和model所确定的数值就是，也就是8.8698
F检验值：在你整个回归结果的右上角部分，F（2,7)对应的值225.94——这个值越大越好，回归总体越显著
F检验P值：在你整个回归结果的右上角部分，P>F对应的值0——这个值越小越好，0说明回归总体而言非常显著
判定系数:应该就是R方吧，右上角那个R-squared 0.9847——这个值是解释平方和除以总体平方和得出的，越大则回归的拟合度越高
调整的判定系数：右上角那个adj-R-squared 0.9804——这个值是将变量数目考虑后略加变动所计算出的R方（需要这个是因为当解释变量很多时，即使拟合度没有区别，R方也会很高），同样是越大回归的拟合度越高
均方根误差：右上角那个root-MSE0.1401，它是左上角Residual-MS的开方变量系数：下面方框里coef所对应的项——越大则“实际显著性”越高（就是说影响在绝对值上越大）
标准误差：下面方框里std.err所对应的项——比较小更好，因为说明估计值越集中
t检验值：下面方框t对应的项，这项是coef/std.err得出——绝对值越大越好，因为越大，取到这个t值就更不可能，从而原假设（系数=0）被否定，则这个变量在回归中越显著，越应该留在回归里数据分析培训
t检验P值：下面方框里p》t那个对应的——越小越好，是做双边检验，P小说明了t大，0是最好的
置信区间：下面方框里那个95%conf interval，两个值是coef加减std.err*97.5%t分布所对应的值，代表“真实的系数”有95%可能落在这个区间里（因为我们OLS假设这是一个抽样，是一个样本的估计值的系数，而还有一个真实规律所对应的系数）。