NEW!连享会·推文专辑:
Stata资源 | 数据处理 | Stata绘图 | Stata程序
结果输出 | 回归分析 | 时间序列 | 面板数据 | 离散数据
交乘调节 | DID | RDD | 因果推断 | SFA-TFP-DEA
文本分析+爬虫 | 空间计量 | 学术论文 | 软件工具
连享会学习群-常见问题解答汇总:
👉 WD 主页:https://gitee.com/arlionn/WD
🍎 连享会主页:lianxh.cn
连享会近期课程
🎦 时间:2020年12月10-13日
🍓 嘉宾 : 杨海生 (中山大学) | 范巧 (兰州大学)🌲 主页:https://gitee.com/arlionn/SP | 👌 微信版
连享会近期课程
🎦 时间:2020年11月28日
🍓 嘉宾 : 游万海 (福州大学)🌲 主页:https://gitee.com/arlionn/dataclean| 👌 微信版
编者:魏珊珊 (厦门大学)E-Mail: ncweishanshan@163.comSource: https://www.stata.com/support/faqs/statistics/completely-determined-in-logistic-regression/
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
温馨提示: 文中链接在微信中无法生效。请点击底部
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 response model)。
最常见的离散选择模型是二值选择行为 (binary choices),因为人生充满了选择。比如:考研或不考研;就业或待业;买房或不买房;买保险或不买保险;等等。
此时,由于被解释变量为虚拟变量,取值为 0 或 1 ,故通常不宜进行 OLS 回归。因此,大家常用 Logit 模型或 Probit 模型进行回归。
然而,在进行二值选择模型的实证回归研究中,我们经常会遇到 Stata 显示 「completely determined」 并常常为此困惑。
基于此,本文在总结现有资料的基础上,简单归纳了二值选择模型实证回归研究中出现该问题的两种情况,希望对大家有所帮助。
为方便论述,本文以 Logit 模型为例。如果大家想要进一步深究 Logit 与 Probit 模型的异同,可以参考 Stata 连享会往期推文「 二元选择模型:Probit 还是 Logit?」。
2. 问题与方法
当我们运用 Logit 回归的时候ÿ