定义：回归分析是数据分析中最基础也是最重要的分析工具，绝大多数的数据分析问题，都可以使用回归的思想来解决。回归分析的人数就是，通过研究自变量X和因变量Y的相关关系，尝试去解释Y的形成机制，进而达到通过X去预测Y的目的。

常见的回归分析有五类：线性回归，0-1回归，定序回归，计数回归和生存回归，其划分的依据是因变量Y的类型。本讲我么你主要学习线性回归。

回归的思想：

第一个关键词：相关性

相关性！= 因果性，我们不能因为出两者有相关性就得出两者是由因果关系的。

第二个关键词：Y

第三个关键词是：X

0-1回归的例子(0-1回归的例子一般只有两个答案所以Y只有两个值来表示)

回归分析的使命：

第二部分：不同数据类型的处理方法

数据的分类：

 2. 时间序列数据：

3. 面板数据

         不同数据类型的处理方法：

第三部分：对于线性回归的理解以及生性问题的研究

一元线性回归：

存在扰动项：yi-y^i=yi-B^0-B^1xi

对于线性的理解：

回归系数的解释：

关于内生性的探究：

扰动项与所有的自变量不存在相关性的时候则模型具有外生性。因此我们需要对模型的自变量与扰动项求其相关性。

内生性的蒙特卡洛模拟：

Matlab实操：

核心解释变量和控制变量

对于我们想要求取的因素当作变量，其余的因素可以看作扰动项。

第四部分：四种模型的解释，与你变量的设置以及交互项的解释

回归系数的解释：

什么时候取对数？

四种模型的回归系数解释：

特殊的自变量：虚拟变量、

对于定性变量我们可以用数字来进行表示如女性为1，男性为0.

多分类的虚拟变量：

为了避免完全多重共线性的影响，引入的虚拟变量的个数一般是分类数减1.

还有交互项（两个自变量相乘）的自变量

Stata软件的介绍：

文件导入: