Stata的负二项回归与零膨胀回归命令

1. 负二项回归 nbreg

nbreg – Negative binomial regression

nbreg depvar [indepvars] [if] [in] [weight] [, nbreg_options]

Example

nbreg like stars text_len sentiment polarity, vce(cluster business_id)

• 不报告常数项

nbreg y x1 x2 x3, noconstant 

2.零膨胀负二项回归 zinb

在一些场景下，0 取值的频率很高，无法使用普通泊松分布解释，于是出现了所谓零膨胀问题。比如，商品评论的点赞数量大部分为零，可能因为评论本身无意义，也可能因为大多数人看完评论后不会去选择点赞。

zinb – Zero-inflated negative binomial regression

zinb depvar [indepvars] [if] [in] [weight], inflate(varlist[, offset(varname)]|_cons) [options]

• inflate(var)：var用于解释产生过多0值的原因
• forcevuong: 用于比较 zinb和nb的模型效果
• forcevuong不能与 vce() cluster standard error 同用, 可先比较两个模型后再聚合标准误

zinb like sentiment polarity , inflate(stars text_len) forcevuong

此处比较zinb和nb模型效果 Pr>z=0, 则表明zinb模型效果更好

3. 零膨胀泊松回归 zip

zip – Zero-inflated Poisson regression

zip depvar [indepvars] [if] [in] [weight], inflate(varlist[, offset(varname)]|_cons) [options]

Example

zip like sentiment polarity , inflate(stars text_len) forcevuong

参考来源：ZIP-too many Zero：零膨胀泊松回归模型