stata R-sq为负数，怎么判断是否存在异常值

在多元线性回归分析中，如果 R-squared 的值为负数，说明模型的拟合度非常差。这通常是由于模型中存在异常值（outliers）或者样本数据不符合线性回归的基本假设（如线性性、正态分布、方差齐性等）所导致的。

为了判断是否存在异常值，可以使用诸如 Cook's distance、DFFITS、DFBETAS 等统计量来识别哪些观测值对回归模型的拟合贡献较大。通常，如果某个观测值的 Cook's distance 或 DFFITS 值大于 1，或者某个观测值的 DFBETAS 值大于 2 / sqrt(n)，就可以将其视为异常值。

下面是一个简单的示例代码，演示如何使用 Cook's distance 和 DFBETAS 来识别异常值：

* 导入数据
sysuse auto, clear

* 进行多元线性回归分析
regress price mpg weight

* 计算 Cook's distance 和 DFBETAS
predict r, rstudent
predict c, cooksd
predict b, dfbeta

* 查看 Cook's distance 和 DFBETAS 的统计量
list make price mpg weight r c b if abs(c) > 1 | abs(b) > 2 / sqrt(_N)

在这个示例中，使用 `regress` 命令进行多元线性回归分析，然后使用 `predict` 命令计算 Cook's distance、DFFITS 和 DFBETAS 等统计量，最后使用 `list` 命令查看哪些观测值的 Cook's distance 或 DFBETAS 值超过了阈值，从而可以将其视为异常值。

需要注意的是，判断是否存在异常值不是唯一的诊断线性回归模型的方法，还应该结合其他的诊断方法进行综合分析。