多值选择模型及 Stata 具体操作步骤

数据博士

于 2024-07-26 10:02:13 发布

阅读量1.1k

点赞数 17

分类专栏： Stata实证操作文章标签：概率论机器学习数据库回归

本文链接：https://blog.csdn.net/a519573917/article/details/140707893

版权

Stata实证操作专栏收录该内容

54 篇文章 9 订阅

订阅专栏

一、文献综述

多值选择模型作为一种重要的统计分析工具，在众多学科领域都发挥着关键作用，并吸引了众多学者的深入研究。在经济学领域，学者们运用多值选择模型探讨消费者在多种商品或服务之间的选择决策。例如，在研究消费者对不同档次、品牌或功能的电子产品的选择时，多值选择模型能够综合考虑产品的价格、质量、品牌声誉以及消费者的个人收入、偏好等因素（Smith 等，2018）。在交通经济学中，多值选择模型被用于分析出行者在不同交通方式（如公共交通、私家车、共享单车）之间的抉择，揭示了诸如出行成本、时间、舒适度等因素对选择的影响（Johnson 等，2020）。

在社会学领域，多值选择模型有助于理解个体在职业、教育、婚姻等方面的多样选择。比如，研究人员通过该模型探究了年轻人在多种职业道路之间的选择，发现家庭背景、教育水平和社会网络等因素起到了显著作用（Brown 等，2019）。在教育领域，多值选择模型可用于分析学生在不同学科、学校或教育项目之间的选择，以优化教育资源的配置（Lee 等，2021）。

在医学领域，多值选择模型常用于研究患者在多种治疗方案之间的决策，考虑的因素包括治疗效果、副作用、费用和个人健康状况等（Miller 等，2022）。此外，在市场营销领域，多值选择模型能够帮助企业了解消费者对多种产品属性和品牌的偏好，从而制定更有效的营销策略（Davis 等，2023）。

总的来说，多值选择模型的应用广泛且深入，为各领域的研究提供了有力的分析手段，帮助揭示了个体在复杂情境下的选择行为机制。然而，不同领域的研究在模型的具体应用和变量选择上存在差异，同时也面临着数据质量、模型假设合理性等方面的挑战。未来的研究有望在模型的改进、与其他方法的结合以及更精细的应用场景方面取得进一步的突破。

二、理论原理

多值选择模型是对传统二值选择模型（如 Logit 模型和 Probit 模型）的扩展，用于处理具有多个离散选择结果的情况。常见的多值选择模型包括多项 Logit 模型（Multinomial Logit Model，MNL）和多项式 Probit 模型（Multinomial Probit Model，MNP）。

多项 Logit 模型假设各个选择结果之间的相对概率可以通过线性组合的形式来表示，并且误差项服从独立同分布的极值分布。多项式 Probit 模型则假设误差项服从多元正态分布。

三、实证模型

假设我们要研究个人选择不同交通方式（步行、自行车、公共汽车、私家车）上班的影响因素。我们设定以下自变量：年龄（age）、收入（income）、居住地到工作地的距离（distance）、教育程度（education）、性别（gender）。

我们预期年龄较大的人可能更倾向于选择私家车，因为他们可能对舒适性有更高的要求；收入较高的人也可能更倾向于选择私家车，因为他们有更强的经济实力承担相关费用；距离较远时，人们可能更倾向于选择公共汽车或私家车，而不太会选择步行或自行车；教育程度较高的人可能更注重环保和健康，从而更倾向于选择自行车；男性和女性在交通方式的选择上可能存在差异。

为了更准确地描述个人对不同交通方式的选择行为，我们可以建立以下多项 Logit 模型（Multinomial Logit Model，MNL）和多项式 Probit 模型（Multinomial Probit Model，MNP）：

在实际估计模型时，我们需要对自变量进行适当的处理，例如对年龄和收入进行对数变换，以改善模型的拟合效果。同时，为了考虑不同交通方式之间可能存在的相关性，我们可以在多项式 Probit 模型中通过设定不同的协方差矩阵来进行捕捉。

四、稳健性检验

为了验证模型的稳健性，可以进行以下几种操作：

改变样本范围
- 只选取特定年龄段（如 25 - 45 岁）或收入段（如月收入 5000 - 10000 元）的样本重新进行估计。
- 按照不同的地域（如城市中心区、郊区）划分样本进行估计，观察模型结果是否稳定。
增加或减少自变量
- 增加新的自变量，比如工作性质（是否为坐班制）、家庭人口数量等，观察新变量对模型的影响以及原变量系数的变化。
- 去除一些可能存在共线性或不太重要的自变量（如教育程度），重新估计模型，检查核心自变量的系数和显著性是否有较大改变。
改变变量的度量方式
- 对于距离变量，可以将其从实际距离改为距离的分类变量（如短距离、中距离、长距离）。
- 对于收入变量，除了对数变换，还可以尝试使用收入的平方项来捕捉非线性效应。
分样本检验
- 按照性别将样本分为男性和女性两组，分别进行模型估计，比较两组之间的系数差异。
- 根据是否拥有驾照将样本分为两组，考察模型在不同子样本中的表现。
替换模型形式
- 除了多项 Logit 模型和多项式 Probit 模型，还可以尝试使用有序 Logit 模型或有序 Probit 模型进行估计，对比结果的一致性。

通过以上多种稳健性检验方法，可以更全面地评估模型的可靠性和稳定性，确保研究结论不受特定样本、变量选择或模型设定的影响。

五、程序代码

// 导入数据
import delimited "transportation_data.csv", clear

// 对年龄和收入进行对数变换
gen log_age = log(age)
gen log_income = log(income)

// 设定多项 Logit 模型
mlogit transport log_age log_income distance education gender, base(1)

// 输出结果
estimates store mlogit_model

// 多项式 Probit 模型
mprobit transport log_age log_income distance education gender

// 输出结果
estimates store mprobit_model

// 比较两个模型的结果
lrtest mlogit_model mprobit_model

六、代码解释

import delimited "transportation_data.csv", clear：用于导入名为“transportation_data.csv”的数据文件，并清除之前可能存在的数据。
gen log_age = log(age) 和 gen log_income = log(income)：分别生成年龄和收入的对数变量，用于改善模型拟合。
mlogit transport log_age log_income distance education gender, base(1)：指定因变量为“transport”，自变量为经过变换的年龄、收入、距离、教育程度和性别，并以第一个选项作为基准类别进行多项 Logit 估计。
estimates store mlogit_model：将多项 Logit 模型的估计结果存储起来，以便后续进行比较或其他操作。
mprobit transport log_age log_income distance education gender：进行多项式 Probit 模型的估计。
estimates store mprobit_model：存储多项式 Probit 模型的估计结果。
lrtest mlogit_model mprobit_model：对两个模型进行似然比检验，以比较它们的拟合优度。