stata第六讲山大陈波

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,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）,2,Logit 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,Yhat0（通常yhat=1） 正的产出,3,例如：,sysuse auto,clear,logit foreign weight mpg,相当于计算如下概率：,Pr(foreign = 1) = F(B0 + B1weight + B2mpg),4,1。获得个体取值为1的概率。,predict p1,pr,list p1 foreign,对比一下结果，判断有正有误,2。对预测准确率的判断,estat class,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。,6,3。受试者操控曲线（Receiver operating characteristic，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。,lroc,4。goodness-of-fit 拟合优度检验,estat gof,5。变量的边际影响,回归结果中，估计量,并非“边际效应”（marginal effects），因此要用命令：,mfx,7,Probit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。,probit foreign weight mpg,8,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：,B,logit,约等于 1.6*B,Probit,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）。,10,use womenwork,clear,logit work age married children education,mfx,estat class,predict p1,pr,list work p1,lroc,estat gof,注意：married是离散变量，因此执行mfx后的结果的含义不同。,11,probit work age married children education,mfx,estat class,predict p2,pr,list work p2,lroc,estat gof,tab work,tab work if p20.5,12,2。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(Base Output)，显示各个变量对另外几个类别的影响系数 。,13,use brand,clear,tab brand,mlogit brand age female,结果分析,可以利用predict提取个体选择概率,predict p1 p2 p3,list,可以根据研究需要，自由地指定用来比较的base outcome（参照点）。mlogit brand age female,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。,15,use ordwarm,clear,tab warm,建立如下方程：,16,ologit warm ed age male prst white yr89,oprobit warm ed age male prst white yr89,结果解读,predict p1 p2 p3 p4,list p1 p2 p3 p4,17,18,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”（Poisson regression）。,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）。,use poissonreg,clear,poisson daysabs langarts male,predict p1,n,list,mfx,estat gof,21,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。,23,nbreg daysabs langarts male,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： alpha0，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,=,xB,+,i,，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,=10000,27,截取回归,对于线性模型,yi,=,xB,+,i,，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”。,28,tobit y x1 x2 x3,ll(#) （变量#的被右截断）,tobit y x1 x2 x3,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（log of wage if working and 0 if not working）。解释变量为age（年龄）, married（婚否）, children（子女数）, education（教育年限）。,use womenwork,clear,reg lwf age married children education,tobit lwf age married children education,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。,clear,set obs 10000,gen x = uniform(),histogram x,gen y = invnormal(uniform(),histogram y, normal,31,伪随机数,例二：,clear,set obs 10000,gen x1 = uniform(),gen x2 = uniform(),list x1 x2 in 1/50,但是如果加上一句话：,set seed 123,，情况会发生变化。,32,set seed 12345,gen x3 = uniform(),set seed 12345,gen x4 = uniform(),list x3 x4 in 1/50,33,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) mod m (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,findit rnd,1。自由度为k的chi2 分布 Chi2(k),clear,rndchi 10000 5,histogram xc, normal,特点：向右拖尾。,2,。自由度为,k,的,t,分布 t(k),clear,rndt 10000 5,histogram xt, normal,特点：尖峰厚尾,35,3。自由度为k1，k2的F分布,clear,rndf 1000 3 20,histogram xf,4。参数为,的指数,分布：,clear,rndexp 10000 3,histogram xe,更多的统计分布量察看 help rnd,36,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。,clear,input x 输入1-9九个数,保存为sample.dta,use sample,clear,bsample 9,list,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：,use sample,clear,bootstrap x_m = r(mean), reps(500) saving(sample1,replace): sum x,或者简写为：,bs x_m = r(mean), reps(500) saving(sample1,replace): sum x,use sample1,clear,sum x_m,38,使用BS得到标准误,sysuse auto,clear,普通回归： reg price weight length foreign,利用BS方法：reg price weight length foreign,vce(bs,reps(500),或者使用下列方法：,bootstrap, reps(500):reg price weight length foreign,39,蒙特卡罗模拟,基本思想：,向这个正方形随机地射箭，并假设其落点在该正方形上服从二维均匀分布。重复实验,n,次（,n,很大），其中有,m,次落在1/4圆内。根据大数定律，,m/n,/,4 ，故, 4,m/n,。,40,模拟中心极限定理,根据中心极限定理（CLT），当样本容量,n, 时，样本均值收敛于正态分布。假设,x,服从在(0,1) 上的均匀分布，样本容量为30，我们用蒙特卡罗法得到样本均值的分布，并将其与正态分布相比较。为此，抽取10,000 个样本容量为30 的随机样本，得到30个样本均值的10,000 个观测值，然后画其直方图。,41,建立程序：lnsim.ado,cap program drop lnsim,program define lnsim, rclass,version 10,drop _all,set obs 30,tempvar z,gen z = uniform(),summarize z,return scalar mean = r(mean),end,42,simulate mean=r(mean) ,reps(10000): lnsim,hist mean,normal,edit,显示的每一个数是30个0,1之间随机数的均值，一共10000个，其分布为正态分布。,43,