Stata连享会

本文主要是介绍最大似然估计 (MLE) 的一些基础知识，并演示如何在 Stata 软件中进行最大似然估计。

尽管目前已经建立了正确的非线性模型，并且能够对线性交互效应正确解释，但是非线性模型与交互效应在实证中往往被错误地估计、解释和呈现。为此，本文将对非线性交互效应的估计、解释和呈现提供简单的说明与指导。

给定一组协变量 ，一个二元被解释变量 的期望值等于以下概率：在线性概率模型 (LPM) 中，这一条件概率的表达式为 ，其中 可以通过 OLS 来估计。但是线性概率模型的最大问题是估计出来的概率可能会超过 区间。因此对于二元被解释变量，我们往往会采用 Logistic 方程来建模，具体而言：在 Stata 中， 的极大似然估计值可以通过 命令估计。为了更好理解，我们使用一份包含 753 个已婚女性的调查数据 (Mroz 1987) 来估计劳动方程。......

全文阅读：https://www.lianxh.cn/news/0a5160e24a65b.html目录1. 单个试验与联合试验 2. 单个试验与 logistics 回归模型 3. 单个模型的 ROC 4. 两个模型的 ROC 5. 参考资料 6. 相关推文全文阅读：https://www.lianxh.cn/news/0a5160e24a65b.html...

原文链接：https://www.lianxh.cn/news/9b7224e2808ff.html目录1. 背景简介 2. 动态 Probit 模型简介 2.1 模型设定 2.2 模型估计 3. Stata应用 3.1 数据简介 3.2 旧方法 (手动处理) 3.3 新方法：外部命令 xtpdyn 4. 参考文献本篇推文介绍动态面板 Porbit 模型 (Dynamic Probit Model) 的背景、模型及 Stata 应用。4. 参考文献

原文链接：https://www.lianxh.cn/news/8b0815c8c1116.html1. 引言本次推文主要介绍biprobit命令，以及其在 Stata 中的应用实例。Bivariate Probit 模型是两个二元变量结果的联合模型。如果这两个二元变量的结果是不相关的，我们可以估计两个独立的 probit 模型，否则则需要使用 Bivariate Probit 模型。Bivariate Probit 模型边际效应和预测值的估计和二元 probit 模型类似，但其是两..

原文链接：https://www.lianxh.cn/news/d5e00bfb17a7c.html致谢：这篇推文的核心内容主要来自陈强老师编著的《高级计量经济学及 Stata 应用》一书，特此致谢。  1. 简介此前，连享会发布了一系列离散选择模型相关的推文，参见连享会 - 离散选择模型专题，本文介绍一种相对复杂的模型 —— 嵌套 Logit 模型。多元 Logit 模型需满足 IIA (Independent of Irrelevant Alternatives) 的..

原文链接：https://www.lianxh.cn/news/979079951adf2.htmlSource:Probit or Logit: ladies and gentlemen, pick your weapon regress, Probit, or Logit? 目录1 解读 Probit 模型和 Logit 模型的边际效应估计 1.1 估计结果 1.2 原因是什么？ 1.3 模特卡洛模拟分析过程解析 1.4 总结 2. Probit/Lo

原文链接：https://www.lianxh.cn/news/7a44186e16de7.html编译：张雪娇 (中山大学) 来源：连享会：Logit\Probit 推文系列Stata:Logit 模型简介 Stata: 何时使用线性概率模型而非Logit？ Stata: 为何使用 Logit 模型？Logit 模型评介 连享会：动态 Probit 模型及 Stata 实现 Stata：嵌套 Logit 模型 (Nested Logit) 目录参考文献..

原文链接：https://www.lianxh.cn/news/011888bd49e07.html目录1. Logit 模型的优点 1.1 速度 1.2 预测概率 1.3 可解释性 1.4 不变性 2. 基于 NHANES 数据 的 Stata 例证 2.1 Logit 回归模型估计 2.2 线性回归模型估计 2.3 结果分析 3. 基于 Logit 模型的边际效应测度 3.1 边际效应 `i.varname` 3.2 平均边际效应（AME） `

原文链接：https://www.lianxh.cn/news/a03aa1b7e32e0.html目录1. 引言 2. 问题与方法 情况一：连续变量是一个很好的预测指标 情况二：隐藏共线性 3. 进一步扩展 4. 参考资料1. 引言先和大家一起简单回顾一下什么是二值选择模型。二值选择模型：如果被解释变量 y 是离散的，而非连续的，称为「离散选择模型」 (discrete choice model ) 或「定性反应模型」 (qualitative respo.

原文链接：https://www.lianxh.cn/news/e18031ffad4f3.html目录1. 简介 2. 二元 Logit 模型 2.1 0/1 分布 2.2 Logit 变换 2.3 Logistic 模型 2.4 估计结果的解释与举例 2.5 边际效应分析 2.5.1 平均边际效应 2.5.2 样本均值处的边际效应 3. 实证分析中的应用举例 3.1 研究背景 3.2 北京市汽车限号行驶政策 3.3 研究数据 3.4 模型设定与

全文阅读：lianxh.cn/news/270f2c9e75d4a.html目录1. 应用背景 2. 多元 Logit 模型 2.1 模型设定 2.2 模型系数解读 3. 应用实例 3.1 数据结构描述 3.2 模型估计 3.3 假设检验 3.4 预测概率值与概率值的图形显示 3.5 拟合优度 3.6 其他思考 参考文献1. 应用背景在实证研究中，我们会遇到被解释变量为类别变量的情形。在部分情境下，被解释变量为非此即彼的二元选择变量 (如是否考取大

全文阅读：https://www.lianxh.cn/news/a64aef0ff9f46.html目录1. 问题背景 2. 0/1 变量 3. 类别数目较小的分类变量 4. 类别数目较多的情形 5. 具有序别特征的分类变量 6. 参考资料1. 问题背景多数情况下，我们的被解释变量都是连续变量，但也有些情况下，我们会对分类变量感兴趣，比如，出门时选择何种交通工具？大学毕业时是否继续读研？等等。那么，此时，该用何种模型来分析比较合适呢？分类变量可以被进一步分为多种类型，要根据情

全文阅读：https://www.lianxh.cn/news/f3467f72cfbf2.html作者：庄子安 (中山大学)邮箱：1484712416@qq.com指导老师：连玉君 (中山大学，arlionn@163.com) 目录1. 应用背景 1.1 模型使用场景 1.2 典型应用领域 2. 固定效应有序 Logit 模型 2.1 模型设定 2.2 估计方法 3. 模型解释 3.1 基于方向和 compensating variation ...

全文阅读：https://www.lianxh.cn/news/e7215baf788bf.html1. 离散模型简介被解释变量为离散变量的模型被称为离散选择模型。若作进一步区分则有：二值选择模型：模型的被解释变量是二值变量 (是否读博，是否出国留学等)； 多值选择模型：模型的被解释变量是多值离散变量 (企业多元化战略的选择，资产组风险资产的数量选择等)。针对离散选择模型，考虑到被解释变量的连续性性态得不到满足，故常常不用 OLS 进行回归 (拿到一笔数据，迫不及待地想初步一览相关性的情况除

全文阅读：https://www.lianxh.cn/news/80c79d978aa61.html目录1. 引言 2. Ai 和 Norton (2003) 2.1 线性模型交互项 2.2 非线性模型交互项 2.3 推导与估计 3. Norton 等 (2004) 3.1 Logit 模型 3.2 Probit 模型 4. Stata 命令 5. 应用实例 5.1 Logit 模型应用 5.2 Probit 模型应用 6. 总结 7. 参考资料

全文阅读：https://www.lianxh.cn/news/16508d946978a.html目录1. 问题背景 2. 四种解释方法 3. 一个警示性例子 4. 实操案例分析 4.1 优比度量下的乘积交互效应解释方法 4.2 优比度量下的边际交互效应解释方法 5. 参考资料 6. 相关推文 相关课程 免费公开课 最新课程-直播课 关于我们 1. 问题背景在非线性计量模型（例如 logit,probit 等），如何解释交互项的效应，很多学者在应

 原文链接： https://www.lianxh.cn/news/a03aa1b7e32e0.html ???? ???? 连享会   推文 || 视频扫码查看最新推文和分享温馨提示： 定期 清理浏览器缓存，可以获得最佳浏览体验。  编者：魏珊珊 (厦门大学)E-Mail: ncweishanshan@163.comSource： https://www.stata.com/support/faqs/statistics/completely-determined

Stata连享会   计量专题 || 精品课程 || 简书推文 || 公众号合集 连享会计量方法专题……，https://gitee.com/arlionn/Course 问题背景多数情况下，我们的被解释变量都是连续变量，但也有些情况下，我们会对分类变量感兴趣，比如，出门时选择何种交通工具？大学毕业时是否继续读研？等等。那么，此时，该用何种模型来分析比较合适呢？分类变量可...

作者：黄欣怡 (中山大学)邮箱：eugenehuangcheeks@163.com「Source：MULTINOMIAL LOGISTIC REGRESSION | STATA DATA ANALYSIS EXAMPLES」 Stata连享会   计量专题 || 精品课程 || 简书推文 || 公众号合集 连享会计量方法专题…… 1. 应用背景在实证研究中，我们...

 作者：万源星 (浙江工商大学财务与会计学院)邮箱：408887469@qq.comStata 连享会： 知乎 | 简书 | 码云 | CSDNStata连享会   计量专题 || 精品课程 || 简书推文 || 公众号合集连享会：内生性问题及估计方法专题 连享会#金秋十月 @ 空间计量专题 (2019.10.24-27,成都)文章目录连享会：内生性问题及...