|
本文包括面板logit模型，包括命令操作以及相关检验等内容，欢迎阅读。 一．混合面板logit与probit模型 对于面板数据，如果被解释变量为离散变量或者虚拟变量时，使用离散选择模型，也就是面板二值选择模型。以二值选择（被解释变量取值为0或1）为例，当被解释变量取1的概率为标准正态分布时，使用probit模型；当被解释变量取1的概率为logistic分布时，使用logit模型。 混合面板二值选择模型命令为logit或者probit，命令格式为： Syntax logit depvar [indepvars] [if] [in] [weight] [, options] 选项主要包括depvar表示被解释变量。indepvars表示解释变量， noconstant 表示不含截距项，vce(vcetype) 表示参数估计量方差协方差矩阵一致估计，包括oim, robust, cluster clustvar, bootstrap, or jackknife等。 案例讲解部分为： webuse lbw Logistic regression（logit回归） logit low age lwt i.race smoke ptl ht ui 结果为： logit, level(99) （level(99)，置信水平，即99%。） 案例02 webuse nhanes2d svyset Logistic regression using survey data svy: logit highbp height weight age female 二．面板logit与probit模型 面板二值选择模型固定效应 xtprobit y x1 x2 x3，fe xtlogit y x1 x2 x3，fe 面板二值选择模型随机效应 Random-effects (RE) model xtprobit depvar [indepvars] [if] [in] [weight] [, re RE_options] Random-effects (RE) model xtlogit depvar [indepvars] [if] [in] [weight] [, re RE_options] 案例讲解： Setup webuse union Random-effects logit model xtlogit union age grade i.not_smsa south##c.year Fixed-effects logit model xtlogit union age grade i.not_smsa south##c.year, fe Hausman检验 hausman fe re 案例讲解总结 use union,clear 第一步：固定效应模型选择 Fixed-effects logit model xtlogit union age grade i.not_smsa south##c.year, fe estimates store fe logit union age grade i.not_smsa south##c.year , nolog //混合面板Logit模型 estimates store logit hausman fe logit //在混合面板Logit模型于固定效应之间选择 第二步：随机效应模型选择 Random-effects logit model xtlogit union age grade i.not_smsa south##c.year //主要通过观察此回归结果中的LR检验与0.05比较 estimates store re 第三步：固定效应还是随机效应 hausman fe re 第四步：确定好随机效应或者固定效应模型后，再次返回去选择相对应的模型 |
|
|
