stata上機實驗第六講

《stata上機實驗第六講》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、Stata上機實驗離散選擇模型1。二項選擇模型主要包括：Probit模型（標(biāo)準(zhǔn)正態(tài)分布）Logit模型（邏輯分布）Logit模型Logit模型假定模型的誤差項服從Logistic分布利用極大似然估計方法擬合，Yhat=0負的產(chǎn)出Yhat<>0（通常yhat=1）正的產(chǎn)出例如：sysuseauto,clearlogitforeignweightmpg相當(dāng)于計算如下概率：Pr(foreign=1)=F(B0+B1weight+B2mpg)1。獲得個體取值為1的概率。predictp1,prlistp1foreign對比一下結(jié)果，判斷有正有誤2。對預(yù)

2、測準(zhǔn)確率的判斷estatclass結(jié)果解讀敏感性（Sensitivity）指即真實值取1而預(yù)測準(zhǔn)確的概率；特異性（Specificity）是指即真實值取0而預(yù)測準(zhǔn)確的概率。默認的門限值為0.5。3。受試者操控曲線（Receiveroperatingcharacteristic，簡稱為ROC曲線）是指敏感性與（1-特異性）的散點圖,即預(yù)測值等于1的準(zhǔn)確率與錯誤率的散點圖。lroc4。goodness-of-fit擬合優(yōu)度檢驗estatgof5。變量的邊際影響回歸結(jié)果中，，估計量β并非“邊際效應(yīng)”（marginaleffects），因此要用命令：m

3、fxProbit模型Probit模型假定誤差項的分布形式為標(biāo)準(zhǔn)正態(tài)分布：回歸方法和檢驗方法與Logit模型類似。probitforeignweightmpg注意：由于Probit與Logit所使用的分布函數(shù)不同，其參數(shù)估計值并不直接可比。雨宮（Amemiya）提出：同一個模型的logit和probit模型大概具有如下關(guān)系：Blogit約等于1.6*BProbit但利用mfx計算的兩者的邊際效應(yīng)應(yīng)該大致相同。一個綜合例子使用美國婦女就業(yè)數(shù)據(jù)集“womenwork.dta”，估計決定就業(yè)的Probit與Logit模型。被解釋變量為work=1，就業(yè)

4、；work=0，不就業(yè)。解釋變量為age（年齡）,married（婚否）,children（子女?dāng)?shù)）,education（教育年限）。usewomenwork,clearlogitworkagemarriedchildreneducationmfxestatclasspredictp1,prlistworkp1lrocestatgof注意：married是離散變量，因此執(zhí)行mfx后的結(jié)果的含義不同。probitworkagemarriedchildreneducationmfxestatclasspredictp2,prlistworkp2lr

5、ocestatgoftabworktabworkifp2>0.52。多項選擇模型多項Logit模型：由于可選項目有多項，因此輸出結(jié)果時stata將自動指定一個為基礎(chǔ)類別(BaseOutput)，顯示各個變量對另外幾個類別的影響系數(shù)。usebrand,cleartabbrandmlogitbrandagefemale結(jié)果分析可以利用predict提取個體選擇概率predictp1p2p3list可以根據(jù)研究需要，自由地指定用來比較的baseoutcome（參照點）。mlogitbrandagefemale,base(3)排序選擇模型根據(jù)GSS的調(diào)

6、查數(shù)據(jù)，不同的家庭母親與子女之間的關(guān)系也不同。根據(jù)調(diào)查顯示，有的家庭母子（女）關(guān)系比較緊張，有的比較融洽。變量包括：warm=關(guān)系融洽度（0、1、2、3）；educ=子女接受教育的程度；age=子女年齡；male=兒子；prst=職業(yè)威望；white=白人；y89=89年調(diào)查結(jié)果。分析不同因素對母子（女）關(guān)系的融洽程度有何影響。useordwarm,cleartabwarm建立如下方程：ologitwarmedagemaleprstwhiteyr89oprobitwarmedagemaleprstwhiteyr89結(jié)果解讀predictp1p2

7、p3p4listp1p2p3p4計數(shù)模型1。泊松回歸2。負二項回歸泊松回歸模型有些被解釋變量只能取非負整數(shù)，即0,1,2,...，對于這一類“計數(shù)數(shù)據(jù)”，常使用“泊松回歸”（Poissonregression）。yi=1,2,…。我們知道，泊松分布的最大特點是條件期望和方差相等。即利用數(shù)據(jù)集poissonreg.dta估計決定初中生曠課天數(shù)（daysabs）的計數(shù)模型。解釋變量為langarts（語言藝術(shù)課成績）與male（是否男性）。usepoissonreg,clearpoissondaysabslangartsmalepredictp1,

8、nlistmfxestatgof泊松MLE分析常常受到很多限制，如泊松分布的所有概率以及更高階矩完全由其均值決定，特別是方差等于均值這一點有明顯的局限