本人刚学stata。从这个回归中如何分析呢？比如，F（2，174），t都该怎么解释？？？

Question

. reg lsalary lsales lmktval

Source | SS df MS Number of obs = 177
-------------+------------------------------ F( 2, 174) = 37.13
Model | 19.3365617 2 9.66828083 Prob > F = 0.0000
Residual | 45.3096514 174 .260400295 R-squared = 0.2991
-------------+------------------------------ Adj R-squared = 0.2911
Total | 64.6462131 176 .367308029 Root MSE = .51029

------------------------------------------------------------------------------
lsalary | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lsales | .1621283 .0396703 4.09 0.000 .0838315 .2404252
lmktval | .106708 .050124 2.13 0.035 .0077787 .2056372
_cons | 4.620917 .2544083 18.16 0.000 4.118794 5.123041
------------------------------------------------------------------------------

Answer 1

图一：model是模型数，residual是参差数，ss拟合数，df自由度，
图二：number of obs是样本数，F统计量，大好，p值大于0.05拒绝原假设。R-scuared就是R^2的意思，是拟合度，越高越好，下面那个调整后的R^2一般不看，root是单位根检验。
图三：第一列是各个系数，第二列是拟合系数值，就是你的方程中带入系数的值，第三列是残差，下一列t值，一般大于1.96为好，下一列p值小于0.05保留，否则舍。最后就是95%置信水平下预测区间。
——来自网友萧诺言

Answer 2

需要解释模型拟合指标：F值以及R的平方。
另外解释常数项以及b值的数据。ttail检验的p值可以告诉你自变量对因变量的影响是否显著。t值很少直接解释。自变量isales对isalary的影响是显著的，因为p=0.000<0.05，可以推翻原假设，注意原假设是B=o（即自变量对因变量无影响）。这是多元线性回归。自变量如果是分类变量和数值型变量的解释是不同的。你要注明个变量代表什么意思？