第14章Stata因变量受限回归分析
目录
14.1断尾回归分析
案例延伸
使用稳健标准差进行断尾回归分析
14.2截取回归分析
案例延伸
1.使用稳健标准差进行截取回归分析
2.设置下限进行截取回归分析
3.同时设置上限和下线进行截取回归分析
前面我们讲述的回归分析方法,都要求因变量或连续或离散,但是很多时候因变量观测样本数据会受到各种各种的限制,只能观测到满足一定条件的样本。例如,我们再统计某地区游客容量时可能仅仅能够统计到知名景点,或者说游客数大于某一特定值的景点游客量,又例如再统计工人的劳动时间是,失业工人的劳动时间一定只取0,而不论视野的程度有多大有多深。根据因变量的受限特征,常用的因变量受限回归分析方法有两种,包括段位回归分析和截取回归分析等。
14.1断尾回归分析
断尾回归分析时针对因变量只有大于一定数值或者小于一定数值时才能被观测到的一种回归分析方法。或者说 ,因变量的取值范围是受到限制的,是不可能取到反胃之外的数值的,通过一般的最小二乘回归分析得到的结论是不完美的。举例来说,如果研究某单位的薪酬情况 ,把年薪作为因变量,那么因变量的取值范围就是大于0的,低于0是不可能的,没有意义的。
数据(案例14.1)给出了某单位88名在岗职工的工龄、职称级别、月工作时间以及月工资收入情况。已知该单位的保底工资是3000/月。试构建回归分析模型研究一下该单位职工的月工资收入受工龄、职称级别(1表示初级,2表示中级,3表示高级)、月工作时间等变量的影响情况。
reg salary hour year grade #以salary为因变量进行最小二乘回归。
回归模型:salary = hour* 51.93677+···-1006.138
从上面的分析可以看出,单位工人的月工资都是与月工作时间、工龄、职称级别呈现正向变化。
truncreg salary hour year grade ,ll(3000) #本命令的含义为以salary为因变量进行断尾回归分析
这里结果不再过多赘述,其中各个变量的系数显著成都有所提高。
predict yhat #估计因变量的拟合值predict e,resid #估计断尾回归分析的残差
从上图可知,拟合值比较好。
案例延伸
使用稳健标准差进行断尾回归分析
与前面章节讲述的最小二乘回归分析类似,我们在断尾回归分析中也可以使用稳健的标准差,以克服可能会有的异方差的存在对模型的整体有效性带来的不利影响。‘
truncreg aslary hour year grade,ll(3000) robust
14.2截取回归分析
截取回归分析是针对当因变量大于一定数值或者小于一定数值时仅能有一种取值是的回归分析方法。或者说,因变量的取值范围是受到限制的,当因变量大于一定值时,以后不管程度如何,统统被记录为某一特定值。在这种情况下,通过一般的最小二乘回归分析得到的结论是不完美的。距离来说,如果研究某的那位的薪酬情况,该单位采取封顶薪酬方式,把年薪作为因变量,那么该因变量的取值范围就低于一定值。
数据(案例14.2)是某单位78名在岗职工的工龄、职称级别(1初级,2中级,3高级)、月工作时间以及月工资情况。已知该单位的封顶工资是11000月/月。
reg salary hour year grade #对数据进行最小二乘回归分析
tobit salary hour year grade,ul(11000) #进行截取回归分析
test hour year grade #对各个变量的系数进行假设检验,检验其显著程度predict yhat #估计因变量的拟合值
结果大多都有讲述不再过多赘述
案例延伸
1.使用稳健标准差进行截取回归分析
tobit salary hour year grade ,ul(11000) robust
2.设置下限进行截取回归分析
tobit salary hour year grade,ll(3000)
3.同时设置上限和下线进行截取回归分析
tobit salary hour year grade,ll(3000) ul(11000)
第14章Stata因变量受限回归分析相关推荐
- 《Kotin 极简教程》第14章 使用 Kotlin DSL
第14章 使用 Kotlin DSL 最新上架!!!< Kotlin极简教程> 陈光剑 (机械工业出版社) 可直接打开京东,淘宝,当当===> 搜索: Kotlin 极简教程 htt ...
- 《C Primer Plus》学习笔记—第14章
目录 <C Primer Plus>学习笔记 第14章 结构和其他数据形式 1.示例问题:创建图书目录 1.程序book.c 2.建立结构声明 3.定义结构变量 1.初始化结构 2.访问结 ...
- www服务器提供的第一个信息页面,第14章WWW服务
<第14章WWW服务>由会员分享,可在线阅读,更多相关<第14章WWW服务(48页珍藏版)>请在人人文库网上搜索. 1.第14章 WWW服务,学习本章应掌握: WWW服务系统中 ...
- 老李推荐:第14章4节《MonkeyRunner源码剖析》 HierarchyViewer实现原理-装备ViewServer-端口转发 1...
老李推荐:第14章4节<MonkeyRunner源码剖析> HierarchyViewer实现原理-装备ViewServer-端口转发 在初始化HierarchyViewer的实例过程中, ...
- 【书评:Oracle查询优化改写】第14章 结尾章
[书评:Oracle查询优化改写]第14章 结尾章 一.1 相关参考文章链接 前13章的链接参考相关连接: [书评:Oracle查询优化改写]第一章 http://blog.itpub.net/26 ...
- Windows2008管理---第14章 高可用群集和QoS
第14章 高可用群集和QoS 目录 第1章 高可用群集和QoS. 1<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com ...
- 第14章 SpringBoot静态资源处理
第14章 SpringBoot静态资源处理 14.1 WebMvcAutoConfiguration的默认配置 14.2 自定义静态资源映射 14.3 前端资源的引用方法
- 【机器学习实战】第14章 利用SVD简化数据
第14章 利用SVD简化数据 SVD 概述 奇异值分解(SVD, Singular Value Decomposition):提取信息的一种方法,可以把 SVD 看成是从噪声数据中抽取相关特征.从生物 ...
- 【控制】《多智能体系统一致性协同演化控制理论与技术》纪良浩老师-第14章-带通信和输入时延的异构竞争多智能体系统分组一致性
第13章 回到目录 第15章 第14章-带通信和输入时延的异构竞争多智能体系统分组一致性 14.1 引言 14.2 预备知识 14.3 问题描述与分析 14.4 例子与数值仿真 14.5 本章小结 1 ...
- Spring - Java/J2EE Application Framework 应用框架 第 14 章 JMS支持
第 14 章 JMS支持 14.1. 介绍 Spring提供一个用于简化JMS API使用的抽象层框架,并且对用户屏蔽JMS API中从1.0.2到1.1版本之间的不同. JMS大体上被分为两个功能块 ...
最新文章
- javascript读取XML文档
- 《jQuery、jQuery UI及jQuery Mobile技巧与示例》——9.17 技巧:使用多个列
- ux和ui_糟糕的UI与UX番茄酱模因
- .Net 如何模拟会话级别的信号量,对http接口调用频率进行限制(有demo)
- javafx中的tree_JavaFX中的塔防(2)
- 使用flot绘图出现window.G_vmlCanvasManager is null or not an Object
- 【OpenCV 例程200篇】89. 带阻滤波器的传递函数
- 华三模拟器hcl实验手册_实验室 | # 实验室废气处理系统的设计#
- Python数据挖掘-相关性-相关分析
- 国产手机:跨出去之路
- 东京大学计算机专业研究生好吗,东北大学计算机类研究生个人考研经历以及感受...
- Activity传递数据
- 如何在matlab中产生瞬态信号,基于小波分析的微弱信号检测及其在Matlab中的仿真...
- PowerApps教程05-记录的搜索和筛选
- 外网登录homeassistant
- Spica,一种路径推荐的路段结合方法
- 解决maya导出FBX出现问题。
- webrtc入门之客户端连麦demo-apprtc
- bio linux 创建_Linux IO请求处理流程-bio和request
- 个人随笔/记录一个博友推荐的截图工具《FSCapture》