生成数据。本例数据包括一个自变量（解释变量）和一个因变量（响应变量），变量生成代码如下：

set obs 10 //设置数据个数为10

set seed 123 //设置随机种子

gen x=_n //产生解释变量

gen y=x+runiform() //产生响应变量

list //列出结果

点击ctrl+9快捷键，弹出Do-file Edit窗口，将以上程序拷贝到窗口的编辑器中，点击ctrl+D快捷键运行程序，关闭Do-file Edit窗口回到stata界面，程序运行结果如下图所示。也可将自己的数据在excel中编辑后导入stata，数据导入详见经验：

依次点击：Statistics→linear model and related→linear regression菜单，弹出回归分析对话框。

在“dependent variable“中填入响应变量y，在”independent variable“中填入解释变量x，点击OK按钮。

在结果界面中，_cons为0.514312表示回归截距，回归系数为0.9935173，则回归方程为y=0.514312+0.9935173x。ProbF=0.00000.05，说明回归方程具有统计学意义。R-squared和Adj R-squared分别为0.9891和0.9878，说明回归方程拟合效果很好。

回归拟合图。依次点击Statistics→linear model and related→Regression diagnostics→Added-variable plot，弹出回归拟合散点图及拟合直线设置窗口。

选中“All variables”，点击OK按钮，弹出的回归拟合散点图及拟合直线。

散点图表明，解释变量和响应变量呈明显的线性趋势。回归系数检验的t值为0.037，与第4步结果相同。

每步操作均会在stata界面的左侧产生相应代码，可通过窗口操作学习stata编程。