首页 文章

修复了Stata中的效果

提问于
浏览 次
0

对Stata来说很新，因此使用固定效果会有点挣扎 . 这里的数据是弥补的，但请耐心等待 . 我有一堆虚拟变量，我正在做回归 . 我的因变量是假人，如果顾客买了东西，则为1，否则为0 . 我的固定效果是前面是否有黄色标记（再次是虚拟变量） . 我的自变量是商店经理是否表示喜（虚拟变量） .

基本上，我希望我的输出看起来像这样（显然标准错误）

Yellow sign       No Yellow sign
Manager said hi          estimate            estimate
stata

1 回答

  • 2

    您可以在回归中使用 ## 运算符来获得具有固定效果的饱和模型：

    首先，输入数据使得您具有二元结果（已购买），因变量（saidhi）和固定效应变量（符号） . sayhi应该与你的结果相关联（所以有一部分sayhi与buy和一部分不相关），你的FE变量应该与buy和saidhi相关（否则你的回归没有意义）如果你只对sayhi的效果感兴趣 .

    clear
set obs 100
set seed 45
gen bought = runiform() > 0.5                               // Binary y, 50/50 probability
gen saidhi = runiform() + runiform()^2*bought               
gen sign = runiform() + runiform()*saidhi + runiform()*bought > 0.66666 // Binary FE, correlated with both x and y 
replace saidhi = saidhi > 0.5

    现在，运行你的回归：

    * y = x + FE + x*FE + cons
reg bought saidhi##sign, r


exit

    你的输出应该是：

    Linear regression                               Number of obs     =        100
                                                F(3, 96)          =      13.34
                                                Prob > F          =     0.0000
                                                R-squared         =     0.1703
                                                Root MSE          =     .46447

------------------------------------------------------------------------------
             |               Robust
      bought |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    1.saidhi |   .3571429   .2034162     1.76   0.082    -.0466351    .7609209
      1.sign |   .3869048   .1253409     3.09   0.003      .138105    .6357046
             |
 saidhi#sign |
        1 1  |  -.1427489   .2373253    -0.60   0.549    -.6138359    .3283381
             |
       _cons |   .0714286   .0702496     1.02   0.312    -.0680158     .210873
------------------------------------------------------------------------------

    1.saidhi是 sign == 0 的效果 . 1.sign是符号的影响，单独，即 saidhi == 0 . saidhi#sign 下的部分描述了这两个变量之间的相互作用（即它们的边际效应同时为1 ......请记住，它们的总效应包括前两个项） . 你的常数代表两者都为0时的平均值（例如，这与你从 sum bought if saidhi == 0 & sign == 0 得到的相同） .

    回复于

相关问题