STATA中回归结果里的SS MS分别是什么？ SS是平方和，它所在列的三个数值分别为回归误差平方和（SSE）、残差平方和（SSR）及总体平方和（SST），即分别为Model、Residual和Total相对应的数值。df（degree of freedom）为自由度。MS为SS与df的比值，与SS对应，SS是平方和，MS是均方，是指单位自由度的平方和。coeft表明系数的，因为该因素t检验的P值是0.000，所以表明有很强的正效应，认为所检验的变量对模型是有显著影响的。F是F test F 检验，联合显著检验值，是表明相关性的系数。Stata具有如下统计分析能力：1、相关与回归分析：简单相关，偏相关，典型相关，以及多达数十种的回归分析方法，如多元线性回归，逐步回归，加权回归，稳键回归，二阶段回归，百分位数(中位数)回归，残差分析、强影响点分析，曲线拟合，随机效应的线性回归模型等。2、数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。
有没有人会用STATA做多元线性回归分析并进行分析 就只是做回归分析吗需要做异方差检测、共线性检测和自相关检测吗
STATA线性回归分析 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8.8698F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。
