持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第16天，点击查看活动详情
STATA小白入门第16期分享: STATA中的分层回归命令（第二部分）
大家好啊，本期视频就和大家分享一下STATA中“hireg”命令代码的应用。当我们按照上一期的分享内容在STATA对命令进行下载后，“hireg”命令格式如下：
hireg 因变量 （解释变量1） （解释变量2）（解释变量3）…（解释变量n）
当我们在STATA中输入上述命令时，系统会自动对变量进行拆分组合成模型。比如当我们纳入三个解释变量时，系统会输出三个模型，分别对应：模型1（因变量+解释变量1），模型2（因变量+解释变量1+解释变量2），模型3（因变量+解释变量1+解释变量2+解释变量3）。
当软件自动对模型进行输出后，下一步就是对结果进行分析。通常我们的主要目的是选出一个稳健型相对较好的模型作为最终模型进行后续的分析。对于只包括1个解释变量的模型1，我们主要看R平方和P value做参考。对于包括两个解释变量的模型2，结果栏中不仅会出现模型2的R平方，还会出现模型1与模型2的R平方的差及其相应的P value （F检验）。方便我们判断模型间的差异是否具有统计学意义。如果模型2的R平方大于模型1的，且F检验的P value小于0.05， 我们可以称与模型1相比，模型2在统计学上有显著的改进。这样，我们会考虑将模型2作为后续可能的应用模型，也会将其与模型3进行比较。然而，当模型2与模型3进行比较时，若模型3的R平方大于模型2，但F检验的P value大于0.05时，我们不能认为与第二个模型相比，第三个模型有改进。不仅如此，在结果栏的结尾处会有一个所有模型的汇总，可以很直观的进行分析。
