古典线性回归的假设是一种理想状态, 现实数据很难满足, 比如异方差就是一个常见的违背模型假设的情况。下面我们介绍一下如何检验数据是否存在异方差以及出现异方差的情况后如何处理。

变量是否符合正态分布? 怎么检验变量的正态分布假设? 如果变量不满足正太分布假设怎么办? 下面我们使用stata来回答以上问题。

介绍一下如何使用stata做线性回归。

这篇文章的目的是使用python生成一些具有某些统计特征的随机变量。

这篇文章的目的是在python3环境下, 讨论__new__和__init__方法的用法。

Stata是做生物统计/计量经济学的重要统计工具, 而python是做数据科学的利器, ipystata将stata和python结合在一起, 并能够在jupyter notebook中使用, 使得我们的工作效率大大提升。下面我们介绍一下, 如何安装stata, 如何在python中使用stata, 并进行stata的一些自动化操作。

目前来看, 在jupyternotebook中使用stata有两种方案:

• 方案一: 使用ipystata模块, 这个模块提供了%%stata魔法函数, 可以把notebook的cell可以执行stata语句
• 方案二: 使用stata_kernel, 它实际上是一个notebook kernel, 使用stata kernel创建的notebook, 只能执行stata语句

下面我们分别介绍两种方案。