Logit回归(又称逻辑回归、罗杰斯蒂回归、Logistic回归)无疑是社会科学,尤其是社会学研究中使用最广的方法,没有之一。这也是因为社会科学中变量的类型所决定的。因变量的类型决定着回归模型的使用,对于社会科学中常用的类别变量对应的就是Logit回归。 Logit回归又不同于一般线性回归,一般线性回归的回归系数以及R方等较容易解释,但是Logit回归的数学原理中涉及到了对数转换等,所以解释起来与一般线性回归有着较多的不同之处。 下面给一个具体的例子,研究的是某一地区农户耕种土地占总可耕种土地的情况。 1.Logit和Probit的模型差别 Logit回归和Probit回归本质上都是对二分类变量进行转换,而且转换的关键都是针对事件发生的概率p。其中Logit模型是进行对数转换。 Probit模型顾名思义就是进行了Probit转换,Probit转换是得到一个关于p的单调函数,并且该函数和自变量呈线性关系。 2.二分类Logistic回归 sysuse 'auto.dta',clear **一般Logistic回归 logit foreign mpg weight **胜算比 (odds)获取的回归 logit foreign mpg weight,or 在计量经济学中,(多元)Logit模型是非常常用的建模离散选择的计量工具。Filip Matejka和 Alisdair McKay 2015年AER上的文章《Rational inattention to discrete choices: A new foundation for themultinomial logit model》通过不完全信息下「理性疏忽」的角度,提出了多元Logit 模型的一个新的基础。 在实证研究中,我们会遇到被解释变量为类别变量的情形。在部分情境下,被解释变量为非此即彼的二元选择变量 (如是否考取大学、是否结婚等),即我们熟知的0-1变量,此时应采用二元 Logit 模型进行估计;但在很多情形中,被解释变量涉及 3 种以上的类别变量。
**计算所有系数估计值对应的胜算比 mlogit, rrr
下面讨论连续变量 write 在不同取值情况下对应的平均预测概率,平均预测概率为不同 ses 层级对应的预测概率的平均值。 margins, at(write = (30(10) 70)) predict(outcome(1)) vsquish margins, at(write = (30(10) 70)) predict(outcome(2)) vsquish margins, at(write = (30(10) 70)) predict(outcome(3)) vsquish redict p1 p2 p3 sort write twoway (line p1 write if ses ==1) (line p1 write if ses==2) (line p1 write if ses ==3), legend(order(1 'ses = 1' 2 'ses = 2' 3 'ses = 3') ring(0) position(7) row(1)) title('general') twoway (line p2 write if ses ==1) (line p2 write if ses==2) (line p2 write if ses ==3), legend(order(1 'ses = 1' 2 'ses = 2' 3 'ses = 3') ring(0) position(7) row(1)) title('academic') twoway (line p3 write if ses ==1) (line p3 write if ses==2) (line p3 write if ses ==3), legend(order(1 'ses = 1' 2 'ses = 2' 3 'ses = 3') ring(0) position(7) row(1)) title('vocation')
**展示回归后的分类结果,包括敏感度和特异度 lstat
**使用ROC评估回归效果 lroc
|
|