stata实验指导、统计分析与应用chap09.pptVIP

Stata中得出多值选择模型个体选择被解释变量每个取值的概率的命令语句格式（1）： predict [type] {stub*|newvars} [if] [in] [,statistic outcome(#,#,…) nooffset] 该预测命令语句中，type表示预测设定新变量的类型，{stub*|newvars}表示预测的新变量名称，if和in表示对检测拟合优度时的条件和范围的设定，outcome表示需要对其指定的类别进行概率预测。如果不设定outcome选项，则需设定k个新变量。如果是预测指数或者指数的标准差，则需设定1个新变量。outcome()中，outcome可以直接用类别的取值，也可以用#1 #2等表示类别的序号，当然也可用数值标签来表示。nooffset表示预测时的约束，statistic的内容主要包括: 预测命令格式（2）： predict [type] {stub*|newvarlist} [if] [in], scores 此命令中type表示预测设定新变量的类型，{stub*|newvarlist}表示预测的新变量名称，if和in表示对检测拟合优度时的条件和范围的设定，score表示对数似然函数对每个方程的一阶导数，第1、2、…、k个变量为对数似然函数对地1、2、3、…、k个方程的一阶导数。 在本实验中，在Stata命令窗口中输入如下命令语句预测brand三个取值的概率然后列出如图9.15的预测结果： predict p1 p2 p3 List 此图可以看出很多时候根据模型预测选择某个品牌的概率最大，但是实际上此个体未选择此品牌，就是预测失败了。若读整个个体选择的概率图，会有一个很明显的结论，年轻的人倾向于选择brand1（选择brand的概率较大），随着年龄增加选择brand2和brand3的概率增加，年龄越大的人倾向选择brand3。 实验9-3：排序数据模型 一实验基本原理 运用计量经济学建立多值选择模型去解释一个取值离散的变量时，有时候这个变量的取值可能是有顺序的，比如银行的信用评级，学生奖学金等等，这些选择的取值代表了一定的优劣，即数字是有顺序的。多值选择模型所能研究的问题是，变量选择的取值之间是无序的，排序对其无意义的。所以对于有序数据的探究应该用本节的排序数据模型。 二 实验内容和数据 根据GSS统计调查数据得到数据文件ordwarm.dta，不同的家庭母子（女）之间的关系是不同的，有的比较紧张，有的比较融洽。这种关系在数据文件ordwarm.dta变量warm（关系融洽度）中体现；文件中其他的变量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；yr89=89年受调查与否。完整的数据在本书附带光盘的data文件夹下的“ordwarm.dta”。 此数据文件中变量warm取值0，1，2，3表示融洽度逐步上升；warm作为这个问题的被解释变量其取值是离散不连续且是有顺序的，所以可以建立一个排序数据模型分析不同因素对warm的影响。 二 实验操作指导 1.选择合理模型 warm是模型的被解释变量，从数据文件中看到其是一排序数据。在Stata命令窗口中输入如下命令打开文件并观察数据和其变量特点： use ordwarm, clear tab warm 此命令表示按warm变量将数据分类且获得其频数分布。 可见所有数据都分在warm的4种取值类别中，由于4种取值有顺序的，所以分析时应该使用排序数据模型。 2.模型回归 排序选择模型分为排序logit模型和排序probit模型，在Stata中命令语句分别为： oprobit y x1 x2 …[if] [in] [weight][,options] 此命令语句表示使用ordered probit 模型对y、x进行回归，if和in表示回归的条件和范围，weight表示观测值的权重，options内容如下表9.11所示。 ologit y x1 x2 …[if] [in] [weight][,options] 此命令语句表示使用ordered logit 模型对y,x进行回归，if和in表示回归的条件和范围，weight表示观测值的权重，options内容如下表。 本实验Stata分别使用两种模型进行回归，在命令窗口中输入如下命令： oprobit warm ed age male prst white yr89 此命令表示解释变量为ed age male prst white yr89，被解释变量是warm的排序probit模型回归。 若使用排序ologit模型对此问题进行回归，则在命令窗口中输入如下命令： ologit warm ed age male prst white y