受限被解释变量类型

普通断尾随机变量——断尾回归：对于分析的样本解释变量有上限或者下限的要求
零断尾计数数据——零断尾泊松回归和负二项回归：正整数
偶然断尾（自选择问题）——样本选择模型：因为某些原因，导致被解释变量的取值有所不同
归并数据——归并Tobit模型和跨栏模型：一个离散点和一个连续分布

普通断尾回归

ll(#)表示左边断尾，ul(#)表示右边断尾，两个都用则表示双边断尾。

truncreg y x1 x2 x3,ll(#) ul(#)

结果与普通回归没有很大区别。

零断尾泊松回归和负二项回归

样本中仅包括正整数，而不包括为0的样本（本身存在一定的样本选择问题），例如，在公交车上发放问卷调查每周乘坐公交车的次数。

第二个和第三个是负二项回归，其中第二个是默认的NB2模型，第三个是NB1模型。

ztp y x1 x2 x3,r

ztnb y x1 x2 x3,r

ztnb y x1 x2 x3,r disperision(constant)

偶然断尾回归

即被解释变量y的断尾与z变量相关，这被称为偶然断尾，即存在样本自选择问题。

类似于零断尾现象的存在，样本本身被选择就是由于某些其他因素的存在。

此时需要采取heckman两步法，第一步需要测算样本被选择的概率，第二步再对规律进行回归。

第一个为默认使用的MLE法进行测算的，第二个是Heckit的两步法，第三个是选择方程的被解释变量不再是y而是w。

heckman y x1 x2 x3,select(z1 z2)

heckman y x1 x2 x3,select(z1 z2) twostep

heckman y x1 x2 x3,select(w=z1 z2)

在最后一行的p值表示拒绝原假设，即应该选择样本选择模型。

归并回归

Tobit模型

当满足某个条件时，被解释变量的取值全部归为了一个数。

即被解释变量的分布变成了一个离散点和一个连续分布。

tobit y x1 x2 x3,ll(#) ul(#)

但是其对被解释变量的分布要求很高，需要服从同方差以及正态分布的特征。（最大似然估计的衍生）

用下面的方法对正态性进行检验。（需要在进行tobit回归之后使用）

tobcm,pbs

观察CM值，将其与各个百分比的数值进行对比，大于则拒绝原假设，即不认为其为正态分布。

或者可以采用clad方法，其对分布的要求较低。

clad y x1 x2 x3,ll(#) ul(#)

若进行CLAD法，发现其与Tobit存在较大差异，则表示确实不应当采用Tobit回归。

两部分模型

将决策分为两个阶段，第一个是是否会做这件事，第二个才是做这件事的结果数值大小。

即分别进行回归，首先第一阶段，生成一个被解释的虚拟变量，利用全样本进行Probit或者Logit回归。

gen newvar=(y>0)

probit y x1 x2 x3,nolog

第二阶段，利用被解释变量>0的子样本进行回归。

reg y x1 x2 x3 if y>0,r

stata学习笔记|受限被解释变量相关推荐

stata学习笔记|离散被解释变量
离散被解释变量二值选择型--二值选择模型多值选择型--多项选择模型.条件选择.混合排序数据--排序模型非负整数计数型--泊松.负二项二值选择型采用logit和probit模型(probit ...
(7)stata的基本使用--受限被解释变量
受限被解释变量断尾回归概念: 命令: 示例首先进行回归,对工作时间大于零的进行回归下面进行断尾回归和普通回归比较,断尾回归的差异还是很明显的零断尾泊松回归与负二项回归命令示例进行零断 ...
STATA 学习笔记：相关系数
STATA 学习笔记 :相关系数为什么要计算变量之间的相关系数? 检测变量之间的多重共线性相关系数呈现的几种方法 1. 散点图矩阵 help graph matrix Description: g ...
STATA学习笔记：缺漏值的处理
STATA学习笔记:缺漏值的处理 1. 缺漏值的标记 stata中缺漏值默认标记为"." "."是数值,且是一个大于任何自然数的数值 [注意] sum.gene ...
STATA学习笔记：分组统计和分组回归
STATA学习笔记:分组统计和分组回归 1. 分组统计 (1)对一个类别变量进行统计时 tabulate命令 tabulate oneway //for one-way tables of frequ ...
STATA学习笔记：数据合并
STATA学习笔记:数据合并一横向合并数据:merge 1. One-to-one merge on specified key variables merge 1:1 varlist using ...
STATA学习笔记：egen函数
STATA学习笔记:egen函数 1. egen (1)mean() webuse egenxmpl,clear egen avg = mean(cholesterol) gen deviation ...
STATA学习笔记：外部命令
STATA学习笔记:外部命令 1.设置外部命令存储地址 //在电脑里设置好文件夹以备存储外部命令 //Set location where packages will be installed //方 ...
炼数成金Tensorflow学习笔记之2.2_变量
炼数成金Tensorflow学习笔记之2.2_变量代码及分析代码及分析 import tensorflow as tfx = tf.Variable([1, 2]) a = tf.constant ...

stata学习笔记|受限被解释变量