如何用Stata做回归？从数据导入到结果解读，手把手教你跑通回归分析

在经济学、社会科学、公共卫生等领域，Stata几乎是做回归分析的“标配”工具。它的命令简洁、输出规范，而且从简单的线性回归到复杂的面板数据模型，都能用一行命令搞定。但对于初次接触的人来说，打开Stata界面后面对黑底白字的命令窗口，往往会有一种无从下手的感觉。其实，用Stata做回归有一套非常清晰的操作流程：导入数据、检查数据、执行回归、解读结果。掌握了这四步，就能应对绝大多数回归分析场景。

第一步：把数据导入Stata

Stata支持多种数据导入方式。最常见的是直接打开Excel文件。在菜单栏点击“文件”—“导入”—“Excel电子表格”，浏览选择你的文件。这里有一个关键设置：如果Excel第一行是变量名，记得勾选“将第一行作为变量名”。导入后，数据会显示在“数据编辑器”窗口中，行代表观测值，列代表变量。

对于更高效的操作，推荐使用命令方式。在命令窗口中输入 import excel “文件路径\文件名.xlsx”, sheet(“Sheet1”) firstrow clear，将路径替换为实际位置即可。Stata对命令大小写不敏感，但习惯上用小写。如果想保存数据，用 save “文件路径\数据文件名.dta”, replace 命令，Stata的专属数据格式是.dta，后续再次使用时直接用 use “文件路径\数据文件名.dta”, clear 打开。

第二步：了解你的数据

做回归之前，先要对数据有个全局认识。命令 describe 可以查看所有变量的名称、类型和标签。命令 summarize 会输出每个变量的样本量、均值、标准差、最小值和最大值，这是判断数据是否有异常值或录入错误的第一道关口。如果想按某个分组查看描述性统计，可以用 bysort 分组变量: summarize 待分析变量。

还有一个常用命令是 codebook，它对每个变量给出更详细的说明，包括缺失值情况、取值分布等。对于分类变量，用 tabulate 变量名 可以生成频数表，检查各类别的样本分布是否合理。数据检查这一步看似基础，但很多回归结果异常的问题，根源往往就出在数据层面——比如有不该存在的缺失值、变量类型定义错误、或者异常值没有被处理。

第三步：线性回归——最简单的起点

线性回归是最基础的回归模型，用于考察一个或多个自变量对连续因变量的影响。在Stata中，命令是 regress，格式为 regress 因变量 自变量1 自变量2 自变量3。

举个例子，如果想研究教育年限和教育支出对收入的影响，命令可以写成 regress 收入 教育年限 教育支出。回车后，Stata会输出一个结果表格。表格主要包含几块内容：上方是方差分析表，给出模型的F检验和R方；下方是系数表，每一行对应一个自变量，包括系数值、标准误、t值、p值和置信区间。

解读时重点关注几个指标。首先是R方，它表示模型能解释因变量变异的比例，数值在0到1之间，越接近1说明模型拟合越好，但在社会科学研究中0.2到0.3也是常见情况。其次是每个自变量的系数，正负号代表影响方向，绝对值大小代表影响程度。最后看p值，如果小于0.05，通常认为这个自变量对因变量有显著影响。

如果想在回归时同时输出稳健标准误，以应对异方差问题，可以在命令后加 , robust，即 regress 收入 教育年限 教育支出, robust。这是实证研究中非常常见的做法，能让标准误估计更可靠。

第四步：logistic回归——当因变量是分类变量

如果因变量不是连续数值，而是二分类变量，比如“是/否”“患病/未患病”，就需要用logistic回归。Stata中的命令是 logistic 或 logit。两者本质相同，区别在于输出格式：logistic 直接输出优势比，更便于解释；logit 输出的是系数，优势比需要手动计算。

命令格式为 logistic 因变量 自变量1 自变量2 自变量3。因变量通常是0和1编码的数值，0代表未发生，1代表发生。输出结果中，最核心的是“优势比”一列，它表示自变量每增加一个单位，事件发生概率的变化倍数。例如优势比为1.5，意味着自变量每增加一个单位，事件发生的可能性提高50%。如果优势比小于1，则代表降低。同样需要关注p值来判断显著性。

对于多分类因变量，比如“低、中、高”三个等级，可以用多项logistic回归，命令为 mlogit。对于有序分类变量，比如“非常不满意、不满意、一般、满意、非常满意”，则用有序logistic回归，命令为 ologit。

第五步：面板数据回归——处理时间与个体双重维度

在经济和管理研究中，经常遇到面板数据——即多个个体在多个时间点上的观测。这类数据需要处理个体异质性和时间效应，常用的模型有固定效应模型和随机效应模型。

在Stata中，使用面板数据模型的第一步是声明数据结构：xtset 个体变量 时间变量。例如 xtset 企业代码 年份，告诉Stata这个数据集是面板数据。

固定效应模型的命令是 xtreg 因变量 自变量1 自变量2, fe。fe是固定效应的缩写。这个模型会剔除每个个体的不随时间变化的特征，只考察自变量随时间变化对因变量的影响。输出结果中，重点关注系数的显著性和符号，同时注意“within R方”表示模型解释组内变异的程度。

随机效应模型的命令是 xtreg 因变量 自变量1 自变量2, re。re代表随机效应。选择固定效应还是随机效应，通常通过豪斯曼检验来决定。豪斯曼检验的命令是 hausman fe re，需要先分别存储固定效应和随机效应的估计结果。如果检验p值小于0.05，说明固定效应模型更合适；反之则随机效应模型更优。

第六步：回归后的诊断与结果输出

回归做完之后，通常需要进行一些诊断性检验，确保模型设定合理。常用命令包括：

• estat vif：检验多重共线性，方差膨胀因子大于10通常提示存在严重共线性。

• rvfplot：绘制残差与拟合值的散点图，直观判断是否存在异方差。

• predict 新变量名, residuals：生成残差变量，用于后续检验。

结果输出方面，Stata的结果窗口可以直接复制粘贴，但格式不够美观。很多研究者使用 outreg2 或 esttab 这类外部命令来生成可直接用于论文的回归表格。例如 esttab using 结果表格.rtf, replace 可以将回归结果导出为RTF格式，直接插入Word文档中。这两个命令需要先安装，安装命令为 ssc install outreg2 或 ssc install esttab。

从命令到思维：回归分析的进阶之路

熟练使用Stata做回归，不仅仅是记住几个命令的拼写。真正的提升在于理解每个模型背后的适用条件，知道什么时候该用固定效应而不是混合OLS，什么时候需要对标准误进行聚类调整，如何处理内生性问题。这些判断往往比命令本身更重要。

初学者可以从最基础的 regress 开始，逐步尝试加入 robust 选项，再到 xtreg 处理面板数据，最后学会用 ivregress 处理工具变量回归。每掌握一个命令，其实就是掌握了一种分析思路。Stata的命令行看似简单，但它把计量经济学的方法论直接转化成了可执行的代码。当你把研究问题转化为一行命令，并看到结果窗口出现想要的表格时，那种从数据中“提取”出规律的感觉，正是数据分析最迷人的地方。