自变量与因变量和因变量都是离散型数据该用什么模型

苹果/安卓/wp
积分 47, 距离下一级还需 38 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
尴尬签到天数: 1 天连续签到: 1 天[LV.1]初来乍到
求问各位大神,我的因变量是公司每年申请的专利数量,是非负整数,已经按公司、年份收集好数据。这种情况下,可以直接使用面板数据进行回归吗?
如果不可以,应该怎么对Y进行处理,或者使用什么模型比较恰当?
支持楼主:、
购买后,论坛将把您花费的资金全部奖励给楼主,以表示您对TA发好贴的支持
载入中......
当然可以,按格式要求数据导入,输入命令就可以得出结果的。
本帖被以下文库推荐
& |主题: 11015, 订阅: 26
当然可以,按格式要求数据导入,输入命令就可以得出结果的。
clx0200 发表于
当然可以,按格式要求数据导入,输入命令就可以得出结果的。老师说因变量是离散的,让我考虑一下要不要用计数模型(count model)。他也不是很懂,我就更不懂了…我看stata命令里有 面板泊松回归 和 面板负二项回归,试了一下结果还比直接xtreg面板回归更加显著,请问用这两个回归可不可以?
只要更显著就好,说明模型选得更合适。
(210.46 KB)
17:27:49 上传
clx0200 发表于
只要更显著就好,说明模型选得更合适。谢谢!还有几个小问题想请教。
1、我看网上和教材的例子,面板泊松/负二项回归中,很多会将一个变量设置为暴露其(exposure),也就是将其coefficient设定为1。请问这个是必须的吗?
2、面板负二项回归中,有固定效应和随机效应之分,是在回归前用普通面板回归后做hausman检验确定吗?
clx0200 发表于
只要更显著就好,说明模型选得更合适。3、stata里面用xtnbreg命令的话,软件默认使用的是GEE估计方法吗?如果不是,怎么调整为GEE估计方法?
无限扩大经管职场人脉圈!每天抽选10位免费名额,现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向,请联系(010-);
邮箱:service@pinggu.org
投诉或不良信息处理:(010-)
京ICP证090565号
论坛法律顾问:王进律师推荐到广播
1791 人聚集在这个小组
(好久不见)
(18岁的人生)
第三方登录:您所在位置: &
&nbsp&&nbsp&nbsp&&nbsp
离散因变量和受限因变量模型讲解.ppt69页
本文档一共被下载:
次 ,您可全文免费在线阅读后下载本文档。
文档加载中...广告还剩秒
需要金币:300 &&
你可能关注的文档:
··········
··········
1. 模型的估计 与二元选择模型类似,从主菜单中选择Objects/New Object,并从该菜单中选择Equation选项。从Equation Specification对话框,选择估计方法ORDERED,标准估计对话框将会改变以匹配这种设定。在Equation Specification区域,键入排序因变量的名字,其后列出回归项。排序估计也只支持列表形式的设定,不用输入一个明确的方程。然后选择Normal,Logist,Extreme Value三种误差分布中的一种,单击OK按钮即可。对话框如图7.4所示。 图7.4
排序模型的输入对话框 例7.2估计结果如下: 有两点需要指出:首先,EViews不能把常数项和临界值区分开,因此在变量列表中设定的常数项会被忽略,即有无常数项都是等价的。其次,EViews要求因变量是整数,否则将会出现错误信息,并且估计将会停止。然而,由于我们能够在表达式中使用 @ 或 @ceil函数自动将一个非整数序列转化成整数序列,因此这并不是一个很严格的限制。 估计收敛后,EViews将会在方程窗口显示估计结果。表头包含通常的标题信息,包括假定的误差分布、估计样本、迭代和收敛信息、y的排序选择值的个数和计算系数协方差矩阵的方法。在标题信息之下是系数估计和渐近的标准误差、相应的z-统计量及概率值。然后,还给出了临界值LIMIT_1:C 2 ,LIMIT_2:C 3 的估计及相应的统计量。 2. 常用的两个过程 ① Make Ordered Limit Vector产生一个临界值向量c,此向量被命名为LIMITS01,如果该名称已被使用,则命名为LIMITS02,以此类推。 ② Make Ordered Limit Covariance Matrix产生临界值向量c的估计值的协方差矩阵。命名为VLIMITS01,如果该名称已被使用,则命名为VLIMITS02,以此类推。 3. 预测 因为排序选择模型的因变量代表种类或等级数据,所以不能从估计排序模型中直接预
正在加载中,请稍后...苹果/安卓/wp
积分 86, 距离下一级还需 59 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
本帖最后由 wanghaidong918 于
09:23 编辑
如题,如果可以,用负二项式还是泊松?
载入中......
应变量若是二元的用logit, probit
若是是多元的非排序(如选择步行、汽车、地铁、出租车)用multinominial logit / probit
若是多元排序的(如不好,一般,好,很好)用ordered probit/logit
若是基数便利(专利数、看病次数)用poisson/ NegBi
可以找discete choice的书看看
本帖被以下文库推荐
& |主题: 8540, 订阅: 47
应该是可以的,但是分布假设是自己设定的吧,一般情况下符合泊松分布的较为合理一点,个人意见,供参考
如果因变量是二元离散选择变量,那么就可以选择Logistic模型,如果因变量是多元排序选择模型可以选择Probit模型
人贵坚持,善于总结。
应变量若是二元的用logit, probit
若是是多元的非排序(如选择步行、汽车、地铁、出租车)用multinominial logit / probit
若是多元排序的(如不好,一般,好,很好)用ordered probit/logit
若是基数便利(专利数、看病次数)用poisson/ NegBi
可以找discete choice的书看看
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
学术水平 + 1&
多谢楼上的
我并非天生璀璨的钻石,但我希望时间和磨砺令我焕发别样光芒
无限扩大经管职场人脉圈!每天抽选10位免费名额,现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向,请联系(010-);
邮箱:service@pinggu.org
投诉或不良信息处理:(010-)
京ICP证090565号
论坛法律顾问:王进律师

我要回帖

更多关于 自变量与因变量 的文章

 

随机推荐