模型与logit_嵌套logit模型的STATA应用及结果解读

选择实验获得的数据主要通过离散选择模型来完成。离散选择模型中，最主要的是logit模型。

之前已经介绍了二项logit模型回归的STATA实现（有修改）,多项logit模型详解,多项logit模型回归系数解读,多项logit模型回归的检验，混合logit模型（随机参数模型）的STATA应用及结果解读，潜分类logit模型的STATA应用及结果解读。

继续认识嵌套logit模型。

01 嵌套logit模型简介

嵌套模型事实上是将变量分层进行考虑，可能有多个方案，并不是符合IIA假设，有些方案是相关的，嵌套模型通过分层，通过分层形成树形结构（如图1）。把总分类成为根部（root），第一层（level1）称为树干（limb），各类之间是不相关的，而第二层（level2）称为树枝（branch），每一类中的各个方案之间允许相关。不同类之间的方案是不相关的。也可以考虑设置为更多层的嵌套结构，例如树枝之下是树杈（twig）。

02 效用函数

效用函数可以写为：

其中：

j表示第一层第j类树干；k表示第二层第k个方案。

是同时随树干和树枝变动的方案，其系数

没有下标，不随j、k变动

是level 1 equation ，其中

按照第一层level1中类别给出，系数

只随j变动。

是Level 2 equation，其中

涵盖第二层level 2中所有随树枝变动的方案，系数

既随j变动，又随k变动。

03 数据继续

应用STATA官方系统数据inschoice.dta来介绍混合logit模型的回归程序。该数据是记录250人的可用保险方案和选定方案的信息，可选择的保险方案共5个：Health、HCorp、SickInc、MGroup、MoonHealth。根据选定信息和个体特征，共形成6个变量，id、premium、deductible、income、insurance、choice。在之前的文章中