stata第六讲山大陈波

Stata上机实验1离散选择模型1。二项选择模型主要包括：Probit模型（标准正态分布）Logit模型（逻辑分布）2Logit模型Logit模型假定模型的误差项服从Logistic分布利用极大似然估计方法拟合，Yhat=0负的产出Yhat<>0（通常yhat=1）正的产出3例如：sysuseauto,clearlogitforeignweightmpg相当于计算如下概率：Pr(foreign=1)=F(B0+B1weight+B2mpg)41。获得个体取值为1的概率。predictp1,prlistp1foreign对比一下结果，判断有正有误2。对预测准确率的判断estatclass结果解读5敏感性（Sensitivity）指即真实值取1而预测准确的概率；特异性（Specificity）是指即真实值取0而预测准确的概率。默认的门限值为0.5。63。受试者操控曲线（Receiveroperatingcharacteristic，简称为ROC曲线）是指敏感性与（1-特异性）的散点图,即预测值等于1的准确率与错误率的散点图。lroc4。goodness-of-fit拟合优度检验estatgof5。变量的边际影响回归结果中，，估计量β并非“边际效应”（marginaleffects），因此要用命令：mfx7Probit模型Probit模型假定误差项的分布形式为标准正态分布：回归方法和检验方法与Logit模型类似。probitforeignweightmpg8注意：由于Probit与Logit所使用的分布函数不同，其参数估计值并不直接可比。雨宫（Amemiya）提出：同一个模型的logit和probit模型大概具有如下关系：Blogit约等于1.6*BProbit但利用mfx计算的两者的边际效应应该大致相同。9一个综合例子使用美国妇女就业数据集“womenwork.dta”，估计决定就业的Probit与Logit模型。被解释变量为work=1，就业；work=0，不就业。解释变量为age（年龄）,married（婚否）,children（子女数）,education（教育年限）。10usewomenwork,clearlogitworkagemarriedchildreneducationmfxestatclasspredictp1,prlistworkp1lrocestatgof注意：married是离散变量，因此执行mfx后的结果的含义不同。11probitworkagemarriedchildreneducationmfxestatclasspredictp2,prlistworkp2lrocestatgoftabworktabworkifp2>0.5122。多项选择模型多项Logit模型：由于可选项目有多项，因此输出结果时stata将自动指定一个为基础类别(BaseOutput)，显示各个变量对另外几个类别的影响系数。13usebrand,cleartabbrandmlogitbrandagefemale结果分析可以利用predict提取个体选择概率predictp1p2p3list可以根据研究需要，自由地指定用来比较的baseoutcome（参照点）。

mlogitbrandagefemale,base(3)14排序选择模型根据GSS的调查数据，不同的家庭母亲与子女之间的关系也不同。根据调查显示，有的家庭母子（女）关系比较紧张，有的比较融洽。变量包括：warm=关系融洽度（0、1、2、3）；educ=子女接受教育的程度；age=子女年龄；male=儿子；prst=职业威望；white=白人；y89=89年调查结果。分析不同因素对母子（女）关系的融洽程度有何影响。15useordwarm,cleartabwarm建立如下方程：16ologitwarmedagemaleprstwhiteyr89oprobitwarmedagemaleprstwhiteyr89结果解读

predictp1p2p3p4listp1p2p3p41718计数模型1。泊松回归2。负二项回归19泊松回归模型有些被解释变量只能取非负整数，即0,1,2,...，对于这一类“计数数据”，常使用“泊松回归”（Poissonregression）。

yi=1,2,…。我们知道，泊松分布的最大特点是条件期望和方差相等。即20利用数据集poissonreg.dta估计决定初中生旷课天数（daysabs）的计数模型。解释变量为langarts（语言艺术课成绩）与male（是否男性）。usepoissonreg,clearpoissondaysabslangartsmalepredictp1,nlistmfxestatgof21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阶矩完全由其均值决定，特别是方差等于均值这一点有明显的局限性。事实表明，大多数应用都难以满足这一条件。如果被解释变量的方差明显大于期望，即存在“过度分散”（overdispersion）因此，如果出现“过度分散”，可以考虑使用“负二项回归”。22负二项回归模型所谓负二项分布是指，在独立的实验中，成功n次的时候，失败次数x的概率分布。当成功n次时，实验停止，此时失败次数为x，那么总的实验次数为（n+x），而且最后一次（即第（n+x）次）是成功的。那么，前（n+x-1）次试验中成功次数为（n-1）、失败次数为x。负二项分布适用于当试验成功的次数（n）确定下来后，试验失败的次数（x）的分布。23nbregdaysabslangartsmale命令结果中将提供一个LR检验，原假设：不存在过度分散，应该使用泊松回归。此时alpha=0。备则假设：alpha<>0，不能使用泊松回归。24受限因变量模型1。断尾回归2。截取回归25断尾回归对于线性模型yi=x’B+εi，假设由于某种原因，只有满足yi≥c（c为常数）的数据才能观测到。因此，当yi<c时，没有任何有关{xi,yi}的数据。被解释变量在C点就存在“左边断尾”（lefttruncationatC）。26左边断尾：truncregyx1x2x3,ll(#)右边断尾：truncregyx1x2x3,ul(#)双边断尾：truncregyx1x2x3,ll(#)ul(#)、sysuseauto,cleartruncregpriceweightlengthgear_ratio,ll(10000)regpriceweightlengthgear_ratioifprice>=1000027截取回归对于线性模型yi=x’B+εi，如果满足yi≥c或者（yi≤c）（c为常数），使得yi=c。截取回归与断尾回归不同的是，我们虽然有全部的观测数据，但对于某些观测数据，被解释变量yi被压缩在一个点上了。此时，yi的概率分布就变成由一个离散点与一个连续分布所组成的“混合分布”。28tobityx1x2x3,ll(#)（变量<#的被左截断）tobityx1x2x3,ul(#)（变量>#的被右截断）tobityx1x2x3,ll(#)ul(#)（l同时定义下限和上限）29利用womenwork.dta的数据进行普通OLS回归和截取回归。被解释变量为lwf（logofwageifworkingand0ifnotworking）。解释变量为age（年龄）,married（婚否）,children（子女数）,education（教育年限）。usewomenwork,clearreglwfagemarriedchildreneducationtobitlwfagemarriedchildreneducation,ll(0)30随机数的产生和常用分布例1：产生10000个服从[0,1]均匀分布的随机数和10000个服从正态分布的随机数。clearsetobs10000genx=uniform()histogramxgeny=invnormal(uniform())histogramy,normal31伪随机数例二：clearsetobs10000genx1=uniform()genx2=uniform()

listx1x2in1/50但是如果加上一句话：setseed123，情况会发生变化。32setseed12345genx3=uniform()setseed12345genx4=uniform()

listx3x4in1/5033原因：计算机产生的随机数是伪随机数，它是通过一个或者多个复杂的公式计算出来的，是有迹可寻的。例如：公式可以为：

X_j=(a*X_(j-1)+c)modm(j=1,2,...)其中：m是一个很大的数；

a*X_(j-1)为种子。蒙特卡罗模拟和自抽样一般都要提供种子，已被检验和分析。34常用分布随机数的产生finditrnd1。自由度为k的chi2分布Chi2(k)clearrndchi100005histogramxc,normal特点：向右拖尾。2。自由度为k的t分布t(k)clearrndt100005histogramxt,normal特点：尖峰厚尾353。自由度为k1，k2的F分布clearrndf1000320histogramxf4。参数为λ的指数分布：

clearrndexp100003histogramxe

更多的统计分布量察看helprnd36自抽样（Bootstrap）实质：可重复抽样通过一个简单例子说明基本原理：1---9九个数求均值。clearinputx输入1---9九个数保存为sample.dtausesample,clearbsample9list反复执行：可以发现每次不同的重复抽样。37利用Bootstrap命令实现模拟：usesample,clearbootstrapx_m=r(mean),reps(500)saving(sample1,replace):sumx或者简写为：bsx_m=r(mean),reps(500)saving(sample1,replace):sumxusesample1,clearsumx_m38使用BS得到标准误sysuseauto,clear普通回归：regpriceweightlengthforeign利用BS方法：regpriceweightlengthforeign,vce(bs,reps(500))或者使用下列方法：bootstrap,reps(500):regpriceweightlengthforeign39蒙特卡罗模拟基本思想：向这个正方形随机地