课程数据-玩转statalesson

课后练习：计算鱼塘的另一个重要指标“

感”后的period2阶段，感（happiness2）是否存在感（happiness2）是否显著的高于6？差异？如果存在，这个差异是显著的么？时的

感（happiness1）是否有显著差异？如果有，是显著的1.t检验鱼在进入鱼的鱼现在

感（happiness2）与刚入高了，还是低了？感（happiness2）是否受到

（sex）的影响?感（happiness2）是否t同时受到（sex）、（sex）、（age）的影响?（age）、刚入2.ANOVA/F检验鱼在阶段二的鱼在阶段二的鱼在阶段二的 感（happiness2）是否t同时受到（happiness1）的影响?时的感////*practises*/////*one-samplettest

happiness2

==6parison

test(单样本t检验)*//* parisontest(单样本分组均值比较)*/ttest

happiness2==sex/*two-sample

mean

comparison

test(双样本均值比较)*/ttest

happiness1==happiness2,

unpaired

unequal

welch/* ysis

of

variance*/anova

happiness2

sexanova

happiness2

sex

ageanova

happiness2

sex

age

happiness1STATA

DO文件中

令Lesson

5.

用STATA建模鱼子民的 感呢？感的“ ”——普通最小二乘法5.1

建立模型的标准：我该用什么模型来分析5.2

为连续变量建模：以鱼居民的体重为(ordinary

least

square

(OLS))5.3

为分类和等级变量建模5.3.1

等级逻辑回归(ologit)：以鱼居自曝的

感（1—10等）为5.3.2

二元逻辑回归(logistics)：以鱼居民是否“离塘出走”为感的“感的“

””5.3.3

多元逻辑回归(mlogit)：鱼们的拥有什么不同特征导致出走不同的目的地5.1建立模型的标准：我该用什么模型来分析鱼子民快不 呢？、困惑举个例子：社会经济地位的测量。社会资本的测量。人力资本的测量1

确立研究问题：2获得数据。研究者个人收集一手数据；使用组织/机构收集的数据问卷设计影响数据质量：选择偏差+答率；使得结果整体发生偏离；比如多重共线性、对回归结果影响很大的值等等，就算 的模型也是无计可施的。员偏差：来自不同社会背景的人对问题有不一样的理解3模型设定：解释变量选择不当、测量误差、函数形式不妥等，则会出现较大的测量误差（specification

error）。5.1.1模型设定中的问题以及解决策略遗漏变量。加入尽可能多的控制变量/使用“实验与自然实验。变量”/工具变量/使用面板数据/随机无关变量。致使估计值方差变大。参考相关研究理论的指导。多重共线性。不必理会（仅考虑整体模型的解释，不影响关注的解释变量）/增大样本容量、剔除导致共线的变量、进行模型重新设定。数据。画散点图以矫正或剔除/

个案背景，必要时剔除个案/输出“全样本”和剔除 值的“子样本”，让读者来判断。解释变量个数的选择。使用信息准则AIC、BIC（越小越好，说明建模损失的信息越好）。函数形式检验。Ramsey’s

RESET

检验，是否遗漏非线性的变量。建模策略——“从大到小”还是“从小到大”。折中两种方案。休息片刻继续下一节内容5.1.1模型设定中的问题以及解决策略遗漏变量。加入尽可能多的控制变量/使用“实验与自然实验。变量”/工具变量/使用面板数据/随机无关变量。致使估计值方差变大。参考相关研究理论的指导。多重共线性。不必理会（仅考虑整体模型的解释，不影响关注的解释变量）/增大样本容量、剔除导致共线的变量、进行模型重新设定。数据。画散点图以矫正或剔除/

个案背景，必要时剔除个案/输出“全样本”和剔除 值的“子样本”，让读者来判断。解释变量个数的选择。使用信息准则AIC、BIC（越小越好，说明建模损失的信息越少）。函数形式检验。Ramsey’s

RESET

检验，是否遗漏非线性的变量。建模策略——“从大到小”还是“从小到大”。折中两种方案。5.1.2“好模型”的特征节省性（parsimony）：相对精确而简单的反应现实。可识别性（identifiability）：给定一组数据，估计的参数有唯一确定值。高拟合性（goodness

of

fit）：模型整体的解释力以及主要研究变量的解释力。理论一致性（theoreticalconsistency）：即使模型拟合性很高，但是如果模型中出现变量的系数的估计值与现实不符合，那么这个模型还是失败的。能力（predicative

power）：“对假设的真实性唯一有效的检验就是将

值与经验值相比较”——

。5.1.3经典线性回归模型的基本假设：模型的数学表达：y=b+a1x1+a2x2+...+anxn

+ε线性性和可加性线性性：X1每变动一个单位，Y相应变动a1个单位，与X1的绝对数值大小无关。可加性：X1对Y的影响是独立于其他自变量（如X2）的。自变量之间相互独立若不满足这一特性，（3）误差项（ε）独立若不满足这一特性，称模型具有多重共线性性（Multicollinearity）。称模型具有自相关性（Autocorrelation）。（4）误差项（ε）的方差为常数若满足这一特性， 称模型具有同方差性（Homoskedasticity），若不满足，则为异方差性（Heteroskedasticity）。往往需要重点关注一（5）误差项（ε）呈正态分布如果误差项不呈正态分布，意味着置信区间会变得很不稳定，些异常的点（误差较大但出现频率较高），来得到更好的模型。5.1.4

两类线性回归模型介绍一般线性回归（普通最小二乘法）：因变量是定比、定距变量逻辑回归：因变量是分类（包括二分类、多分类）、等级变量我研究问题是：我鱼子民的

感是受到什么因素影响的呢？议题感什么因素操作化体重自曝的

感（受社会渴望影响）是否离家出走线性模型选择多元线性回归（OLS）等级逻辑回归（Ologit）逻辑回归（logistics）5.2

以鱼居民的体重为

感的“

”——普通最小二乘法(ordinary

least

square

(OLS))被解释变量：体重解释变量： 、入池模型选择：OLS、入池时长及入池时长的平方项、种类OLS回归模型的基本假设线性性、可加性自变量之间互相独立。cov(x1,x2)=0误差项（ε）独立。cov（

εi

,εj

）=0误差项（ε）的方差为常数。误差项（ε）服从正太分布，ε~N（0，σ2）Stata5.2

以鱼居民的体重为 感的“

”——普通最小二乘法(ordinary

least

square

(OLS))kdensity

weight2//*anova

testto

see

if

the

variables

involved

in

themodel

are

statistically

related

to

thedependent

variable*//anova

weight2

i.sex

age

period2

species//OLSregression*//xi:reg

weight2

i.sex

age

period2

i.species//*test

whether

the

model

setting

*///*lingk

test*/linktest/*Ramsey's

RESET

test_test

whether

the

model

needs

quadratic/cubic

term*//estatovtest

/*使用被解释变量的2次，3次以及4次项作为解释变量加入到模型中*/estatovtest,rhs

/*使用解释变量的幂次作为非线性项*/xi:reg

weight2

i.sex

age

age2

period2

i.specieslinktestestat

ovtest休息片刻继续下一节内容Stata5.2

以鱼居民的体重为 感的“

”——普通最小二乘法(ordinary

least

square

(OLS))kdensity

weight2//*anova

testto

see

if

the

variables

involved

in

themodel

are

statistically

related

to

thedependent

variable*//anova

weight2

i.sex

age

period2

species//OLSregression*//xi:reg

weight2

i.sex

age

period2

i.species//*test

whether

the

model

setting

*///*lingk

test*/linktest/*Ramsey's

RESET

test_test

whether

the

model

needs

quadratic/cubic

term*//estatovtest

/*使用被解释变量的2次，3次以及4次项作为解释变量加入到模型中*/estatovtest,rhs

/*使用解释变量的幂次作为非线性项*/xi:reg

weight2

i.sex

age

age2

period2

period2_square

i.specieslinktestestat

ovtest//*choosing

the

number

of

explaining

variables

the

lowerAIC/BIC,

the

better

the

model

is*//qui

xi:reg

weight2

i.sex

age

period2

i.speciesestat

icqui

xi:reg

weight2

i.sex

age

period2

i.species

weight1

happiness1estat

ic/*multiple

collinearity_smaller

than

10,

there

is

no

collinearity*/qui

xi:reg

weight2

i.sex

age

period2

i.species

weight1

happiness1vif/*extrme

values*/qui

xi:reg

weight2

i.sex

age

period2

i.species

weight1

happiness1predict

lev,leveragegsort

-

levsum

levdisr(max)/r(mean)gsort

-

levlist

lev

in

1/5/*normal

distribution

test

of

residuals*/xi:reg

weight2

i.sex

age

period2

i.species

weight1

happiness1predict

resid,residualssktest

resid/*heteroskedasticity

test*/qui

xi:reg

weight2

i.sex

age

period2

i.species

weight1

happiness1hettestWeight2=b+

α1sex+

α2age

+

α3period2

+

α4species_2

+

α5species_2

+

α6species_3+

α7species_4+α8weight1

+α9happiness1+ε我研究问题是：我鱼子民的

感是受到什么因素影响的呢？议题感什么因素操作化体重自曝的

感（社会渴望）是否离家出走线性模型选择多元线性回归（OLS）等级逻辑回归（Ologit）逻辑回归（logistics）休息片刻继续下一节内容我研究问题是：我鱼子民的

感是受到什么因素影响的呢？议题感什么因素操作化体重自曝的

感（社会渴望）是否离家出走线性模型选择多元线性回归（OLS）等级逻辑回归（Ologit）二元逻辑回归（logistics）5.3.0

离散选择模型/定性反应模型最常见：二值选择模型（binarychoices）：考研或不考研；通过/不通过；成功/失败；工作或待业；出国或不出国； 或者和平；生或者死；“离塘出走或不离塘出走”。又可以被称为“线性概率模型”（Linear

Probability

Model,LPM）,logistics多值选择模型(multiple

choices)，可以理解为二值选择模型的自然推广，其中可分为无等级的和有等级的。无等级，只有类别的差异(multiple

logit,mlogit)；如：出门可以是走路、骑自行车、坐

车、开车等可以穷尽的选择。有等级(ordered

logit,ologit)：社会声望/教育水平可分为高中低；

感分为1-10类，也可以分为高中低。ቊ𝑃

𝑦

=

1

𝑥 =

𝐹(𝑥,

𝛽)𝑃

𝑦

=

0

𝑥 =

1

−

𝐹

𝑥,

𝛽Logistic

分布函数P(y=1|x)=F(x,β)=

∧

𝑥′β =

exp

𝑥′β

/1+

exp

𝑥′βp=exp

𝑥′β

/(1+

exp

𝑥′β

);1-p=1/(1+

exp

𝑥′β𝒑

𝒑𝟏−𝒑

𝟏−𝒑=

𝐞𝐱𝐩

𝒙′𝜷

;

odds

ratio

=e^β

;

𝜷

=ln(

)Odds=pr/(1-pr)ln(odds)=logit

转化5.3.2

二元逻辑回归(logistics)：以鱼居民是否“离塘出走”为

感的“

”𝒚ෝ=𝑎+𝑥1𝑖𝑏1

+𝑥2𝑖𝑏2+…𝑥𝑛𝑖𝑏𝑛转化为logit模型后为：ln(𝒚ෝ)

=

ln(𝑎)

+

ln(𝑥1𝑖

𝑏1)+

ln(𝑥2𝑖

𝑏2)+…

ln(𝑥𝑛𝑖𝑏𝑛)被解释变量：是否离家出走（是=1vs.否=0）解释变量： 、入池 、入池时长及入池时长的平方项、种类（与扰动项不相关）模型选择：logisticsLogistics

回归模型的基本假设线性性、可加性自变量之间互相独立。cov(x1,x2)=0误差项（ε）独立，cov（εi

,εj）=0；服从两点分布，而非正态分布；存在异方差，应使用稳健回归。Statahist

leavexi:logistic

leave

i.sex

age

period2

period2_squar

i.species

,rxi:logistic

leave

i.sex

age

period2

period2_squar

i.species

happiness2

weight2,r5.3.2

二元逻辑回归(logistics)：以鱼居民是否“离塘出走”为

感的我研究问题是：我鱼子民的

感是受到什么因素影响的呢？议题感什么因素操作化体重自曝的

感（社会渴望）是否离家出走线性模型选择多元线性回归（OLS）等级逻辑回归（Ologit）二元逻辑回归（logistics）5.3.1Ologit(等级逻辑回归)：以鱼居自曝的幸福感（1—10等）为 感的“

”𝒚ෝ=𝑎+𝑥1𝑖𝑏1

+𝑥2𝑖𝑏2+…𝑥𝑛𝑖𝑏𝑛转化为logit模型后为：ln(𝒚ෝ)

=

ln(𝑎)

+

ln(𝑥1𝑖

𝑏1)+

ln(𝑥2𝑖

𝑏2)+…

ln(𝑥𝑛𝑖𝑏𝑛)被解释变量：自曝的解释变量：

、入池模型选择：ologit感（1-10等级）、入池时长及入池时长的平方项、种类（与扰动项不相关）ologit回归模型的基本假设线性性、可加性自变量之间互相独立。cov(x1,x2)=0误差项（ε）独立，cov（

εi

,εj

）=0Stata5.3.1

Ologit(等级逻辑回归)：以鱼居自曝的幸福感（1—10等）为

感的“

”//////*order

ologit ysis

of

happiness2*//////kdensity

happiness2xi:

anova

happiness2

i.sex

age

period2

i.speciesxi:ologit

happiness2

i.sex

age

period2

i.species//*test

whether

the

model

setting

*///*lingk

test*/linktest//*choosingthe

number

of

explainingvariables

the

lower

AIC/BIC,

the

better

the

model

is*//xi:ologit

happiness2

i.sex

age

period2

period2_squa