本篇文章为大家展示了stata怎么画出回归后残差和其滞后一阶的散点图与线性拟合图，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
创新互联建站专注于企业成都全网营销推广、网站重做改版、桥东网站定制设计、自适应品牌网站建设、HTML5建站、商城网站建设、集团公司官网建设、外贸网站建设、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为桥东等各大城市提供网站开发制作服务。
回归分析是研究某一被解释变量（因变量）与另一个或多个解释变量（自变量）间的依存关系，其目的在于根据已知的解释变量值或固定的解释变量值（重复抽样）来估计和预测被解释变量的总体平均值。
在研究某一社会经济现象的发展变化规律时，所研究的现象或对象称为被解释变量，它是分析的对象，把引起这一现象变化的因素称为解释变量，它是引起这一现象变化的原因。
对于一般的线性回归方程，如下：
线性回归估计后常常要对回归的效果，也就是我们在估计时所做的假设条件进行检验，比如自相关、异方差、多重共线性等检验。
对于自相关的一个检验方法，就是图示法，也就是可以看一下回归估计后的残差与其滞后一阶的散点图与线性拟合图，因为这里假定的就是残差要服从随机扰动的假设，所以要看估计后的残差是否存在着自相关性。
在stata里边，我们可以采用如下命令来画出回归估计后的残差与其滞后一阶的散点图与线性拟合图：
reg y x1 x2 x3
predict e1,res
twoway(scatter e1 L.e1) (lfit e1 L.e1)
这里predict e1,res就是regress回归后生成残差序列，L.e1就是残差序列滞后一期的序列。
结果示例如下：
上述内容就是stata怎么画出回归后残差和其滞后一阶的散点图与线性拟合图，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。
