Stata实战：用内置auto数据集5分钟搞定回归、画图与异质性检验

Stata实战：用内置auto数据集5分钟搞定回归、画图与异质性检验

当我们需要快速掌握Stata的基础分析流程时，内置的auto数据集就像一位随时待命的助手。这个经典的汽车数据集包含了价格、油耗等关键变量，让我们无需准备数据就能立即开始实战。本文将带你用最短时间走完从数据探索到异质性分析的完整流程，每个步骤都配有即用型代码和白话解读，特别适合赶作业的学生或需要快速验证思路的研究者。

1. 环境准备与数据初探

打开Stata后，第一件事就是加载这个内置数据集。输入以下命令：

sysuse auto, clear

这个命令做了两件事：sysuse调用了Stata系统自带的数据集，clear确保清空了当前工作区。接着我们可以用describe快速查看数据结构：

describe

你会看到类似这样的输出（部分截取）：

提示：foreign是二分类变量，这在后续异质性分析中会非常有用。

用summarize获取关键变量的描述统计：

sum price mpg foreign

输出示例：

Variable | Obs Mean Std. Dev. Min Max ---------+---------------------------------------- price | 74 6165.3 2949.5 3291 15906 mpg | 74 21.297 5.786 12 41 foreign | 74 0.297 0.460 0 1

这些数字告诉我们：样本共74辆汽车，平均价格约6165美元，最便宜的车3291美元，最贵的近1.6万美元。油耗(mpg)均值为21.3，最省油的车能跑41英里/加仑。

2. 基础回归分析与解读

现在我们来研究价格(price)和油耗(mpg)的关系。直觉上，更省油的车可能更贵（因为技术更先进），但事实真的如此吗？运行OLS回归：

reg price mpg

输出结果包含几个关键部分：

Source | SS df MS Number of obs = 74 -------+--------------------------- F(1, 72) = 20.26 Model | 139449474 1 139449474 Prob > F = 0.0000 Residual | 495615923 72 6883554.48 R-squared = 0.2196 -------+--------------------------- Adj R-squared = 0.2087 Total | 635065396 73 8699525.97 Root MSE = 2623.7 ------------------------------------------------------------------------ price | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------+--------------------------------------------------------------- mpg | -238.894 53.0767 -4.50 0.000 -344.700 -133.089 _cons | 11253.06 1170.81 9.61 0.000 8919.088 13587.04

如何解读这些天书般的数字？

• 系数(coef)：mpg的系数为-238.9，意味着每增加1个mpg单位，价格平均下降238.9美元。这与我们的直觉相反，可能因为经济型车往往更省油但价格更低。
• P值：mpg的P值=0.000，远小于0.05，说明这个负相关关系统计显著。
• R方：0.2196意味着mpg能解释价格变异的21.96%，还有近80%由其他因素决定。

生成残差检查模型假设：

predict resid, residuals

3. 可视化：让数据自己说话

数字太抽象？让我们用图形直观展示关系。首先绘制价格与油耗的散点图+拟合线：

twoway (scatter price mpg) (lfit price mpg), /// title("价格与油耗关系") ytitle("价格(美元)") xtitle("油耗(mpg)")

这张图清晰显示：大部分点都沿着向下倾斜的拟合线分布，印证了回归结果。但右上角有几个离群点——这些是油耗高却价格不菲的车型，值得进一步研究。

检查残差是否满足同方差假设：

twoway (scatter resid mpg) (lfit resid mpg), /// title("残差分析") ytitle("残差") xtitle("油耗(mpg)")

如果残差随机分布在0附近，说明模型假设成立。但本例中残差呈现"漏斗形"——油耗越高，残差波动越大，这提示可能存在异方差问题。

4. 异质性分析：国内外汽车差异

foreign变量让我们可以轻松比较国产车与进口车的差异。先看描述统计对比：

bysort foreign: sum price mpg

输出示例：

-> foreign = 国产 Variable | Obs Mean Std. Dev. Min Max ---------+---------------------------------------- price | 52 6072.4 3097.1 3291 15906 mpg | 52 19.827 4.743 12 34 -> foreign = 进口 Variable | Obs Mean Std. Dev. Min Max ---------+---------------------------------------- price | 22 6384.7 2621.9 3748 12990 mpg | 22 24.773 6.611 14 41

进口车平均油耗更高(24.8 vs 19.8)，但价格差异不大(6385 vs 6072美元)。接下来分别回归：

国产车模型：

reg price mpg if foreign==0

结果：

price | Coef. Std. Err. t P>|t| -------+----------------------------------- mpg | -329.255 82.118 -4.01 0.000 _cons | 12600.54 1627.8 7.74 0.000

进口车模型：

reg price mpg if foreign==1

结果：

price | Coef. Std. Err. t P>|t| -------+----------------------------------- mpg | -104.606 97.581 -1.07 0.296 _cons | 8992.94 2469.1 3.64 0.002

关键发现：

• 国产车：油耗每增加1单位，价格显著下降329美元
• 进口车：油耗系数(-104.6)不显著(P=0.296)，说明油耗对价格影响不大

用组合图表展示异质性：

twoway (scatter price mpg) (lfit price mpg if foreign==0) /// (lfit price mpg if foreign==1), by(foreign) /// legend(label(1 "观测值") label(2 "国产车拟合线") label(3 "进口车拟合线"))

这个分析揭示了有趣的商业模式差异：国产车市场更注重燃油经济性对价格的影响，而进口车价格受其他因素（如品牌溢价、豪华配置）影响更大。

5. 完整代码清单与使用建议

以下是本文所有分析的整合代码，复制粘贴即可复现全部结果：

/* 数据加载与描述统计 */ sysuse auto, clear describe sum price mpg foreign /* 基础回归分析 */ reg price mpg predict resid, residuals /* 可视化 */ twoway (scatter price mpg) (lfit price mpg), /// title("价格与油耗关系") ytitle("价格") xtitle("油耗") twoway (scatter resid mpg) (lfit resid mpg), /// title("残差分析") ytitle("残差") xtitle("油耗") /* 异质性分析 */ bysort foreign: sum price mpg reg price mpg if foreign==0 reg price mpg if foreign==1 twoway (scatter price mpg) (lfit price mpg if foreign==0) /// (lfit price mpg if foreign==1), by(foreign)

迁移到自己的数据时注意：

• 将price和mpg替换为你的因变量和自变量
• 分类变量替代foreign进行异质性分析
• 遇到错误时，先用help 命令名查看官方文档