本文借鉴了数学建模清风老师的课件与思路，可以点击查看链接查看清风老师视频讲解：清风数学建模：https://www.bilibili.com/video/BV1DW411s7wi

注:本节所有代码 在 regress_stata.do 文件里，复习的时候直接去运行里面的代码即可。

文章内容有点多，可以直接看最后的个人总结。

目录

一、前言

二、回归分析简介

 三、数据的简介

3.1 数据的分类

 3.2 数据的收集

四、对数据的处理

五、内生性的探究

六、分类变量的设置

七、案例背景

八、Stata实现多元线性回归

8.1 Stata基础

​编辑8.2 Stata里进行描述性统计分析

8.3 案例第1问求解

8.3.1 不加入分类变量时的回归

8.3.2 加入分类变量时的回归

8.3.3 关于调整后R^2值太小怎么办

8.4 案例第2问求解

 九、论文点评

9.1 一篇错误很多的论文《基于多元回归模型的大学生期末数学成绩影响因素探究》点评

9.2 清风的毕业论文点评

十、异方差（回归之前检验数据是否存在异方差）

10.1 异方差介绍

10.2 检验异方差

10.2.1 图形检验​编辑

 10.2.2 假设检验

10.3 异方差的处理方法

十一、多重共线性（回归结束后用）

11.1 多重共线性介绍

11.2 多重共线性检验

​编辑 11.3 多重共线性的处理方法

十二、逐步回归

12.1 逐步回归简介

12.2 Stata实现逐步回归

 12.3 逐步回归说明

十三、个人总结

 该问题可通过后文提到的标准化回归解决。

 详见《Excel对数据进行预处理》文件。

注意：内生性在实际操作时不是很重要，这个问题太难解决了，所以在数模中一般不考虑这个问题，此处只是说明一下有这个东西。

在Stata里操作时，会自动设置对照组，即在由分类变量生成的虚拟变量里随机设置一个为对照组，从而避免多重共线性的影响。 

 这里的数据为连续性数据，得到的结果在可以Excel里优化一下再放入论文中。

 这里的数据为分类数据，tab命令可以得到分类数据的频数分布表，gen命令可以对该分类变量生成虚拟变量。

 可将该指标总体情况放入论文中。

 这里只用了两个自变量进行演示。

其中，第一个表里，联合显著性检验=0