oprobit回归转换为probit回归时，回归结果很不同是怎么回事？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

本人现在在做面板数据回归，被解释变量是收入流动等级（mobility_order），为有序变量，取值为【-4，4】中九个数值中的一个，相应的数字代表收入在上一期和下一期之间的变动级数，正向符号代表收入向上流动，负向符号代表收入向下流动，因为被解释变量是有序变量，因此首选使用的是有序probit回归。做稳健性分析时，想用的一种方法是将有序变量转换成0-1变量(mobility_up)，即如果两期之间的收入等级变化是向上流动的，则取1，如果收入等级没有变化或者收入等级是向下变化的，则取0，然后使用probit回归来验证结果的稳健性。个人觉得从理论上说两种方法的回归系数和显著性应该是一致的，毕竟只是变换了一下被解释变量的表示方法而已，但回归结果符号和显著性都不一样，附上两种方法的回归结果，求老师们帮忙解释一下

1. Ordered probit regression                       Number of obs     =     13,841

复制代码

1. Probit regression Number of obs = 13,841

复制代码

1. [CODE]
   
2. * Example generated by -dataex-. To install: ssc install dataex
   
3. clear
   
4. input float(mobility_order mobility_up zigu_2) byte wudengfen float(age age2 gender marriage education_2 health_1 dependency socialcapital houseelse landvalue distance)
   
5. 0 0 0 4 42 1764 0 1  9 5         0  6.685861 5         0  10
   
6. 2 1 0 2 24  576 1 2  8 3        .4  6.685861 0  8.047509   4
   
7. -2 0 0 4 26  676 1 1  8 3        .4   4.94876 5   8.38389   4
   
8. 0 0 0 5 20  400 1 1 12 3         0   1.94591 0         0   4
   
9. 0 0 0 5 22  484 1 0 12 2         0         0 5         0   4
   
10. 1 1 1 4 30  900 1 1  0 3         0  8.517393 5  8.047509  30
    
11. 0 0 0 5 59 3481 0 1 12 2        .2  9.210441 5         0  15
    
12. -1 0 0 3 60 3600 1 2  0 3         0         0 0  10.78805  90
    
13. -1 0 0 2 62 3844 1 1  0 3         0         0 5         0  90
    
14. -1 0 0 5 53 2809 1 1  6 5         0  6.908755 5         0  54
    
15. 0 0 0 5 26  676 1 0 16 3         0  8.517393 5         0 170
    
16. 0 0 0 5 31  961 1 1  9 5  .3333333  8.853808 5         0  60
    
17. -2 0 1 4 51 2601 0 1  9 2         0  7.601402 5 11.543707  80
    
18. 0 0 0 5 37 1369 1 0  9 5         0  6.908755 5         0  70
    
19. 0 0 0 2 30  900 1 2  9 4         0  6.398595 0   9.88779  40
    
20. 2 1 0 2 32 1024 1 1  9 3         0  6.908755 5  9.145908  40
    
21. -1 0 0 3 47 2209 1 2 11 4        .2         0 0  9.993145  16
    
22. 0 0 0 2 49 2401 0 1  6 3        .2  8.517393 5  9.656692  16
    
23. 0 0 0 4 26  676 0 1  9 2        .5  6.908755 5         0  12
    
24. 0 0 0 5 21  441 0 1  9 4         0         0 0  8.740497  16
    
25. 0 0 0 5 33 1089 1 2 12 5         0         0 0         0  14
    
26. 4 1 0 1 21  441 0 2  9 3  .6666667  6.908755 0  9.839003  14
    
27. 0 0 0 3 44 1936 0 1  0 4        .4  8.517393 5  9.993145  66
    
28. 1 1 0 1 27  729 1 1  4 3        .5  7.313887 5  9.656692 100
    
29. -2 0 0 3 62 3844 0 2  0 1         0  7.601402 0  8.740497 160
    
30. 0 0 0 1 67 4489 1 1  0 2        .5         0 5  8.047509 160
    
31. 0 0 0 5 19  361 1 0 12 3         0         0 5         0 120
    
32. 1 1 0 3 24  576 0 2  9 5  .3333333         0 0         0  40
    
33. -2 0 1 5 56 3136 1 1  9 2       .25  9.210441 1 12.547003  40
    
34. 0 0 1 5 32 1024 1 2  9 3  .3333333  6.216606 1 10.612164  40
    
35. 0 0 0 5 34 1156 1 1  9 2  .3333333  7.601402 1         0  40
    
36. 0 0 0 4 47 2209 0 1  6 3         0  6.398595 5         0  20
    
37. 0 0 0 5 37 1369 1 1  9 3         0 8.0067005 5  7.536897  30
    
38. -3 0 0 5 27  729 1 2  9 3  .3333333  7.601402 0         0   6
    
39. 4 1 0 1 58 3364 0 1  0 2         0 10.308986 0  6.439351  13
    
40. 0 0 0 5 61 3721 1 2  0 2         0 10.308986 0  7.131699  20
    
41. 0 0 0 5 63 3969 1 1  0 5         0  9.903538 5  7.131699  20
    
42. 1 1 0 1 59 3481 1 1  0 2         0  7.601402 0  9.145908  13
    
43. 0 0 0 3 61 3721 1 2  0 4         0  7.601402 0         0  20
    
44. 0 0 0 3 63 3969 1 1  0 4         0  6.908755 5         0  20
    
45. -1 0 1 2 59 3481 1 1  0 3         0  8.699681 0 11.042938  13
    
46. 1 1 0 2 62 3844 0 2  0 3         0  8.699681 0 10.048713  20
    
47. 1 1 0 3 63 3969 1 1  0 2         0  8.987322 5         0  20
    
48. 0 0 0 5 67 4489 1 1  6 4        .5 8.0067005 0 11.736077  13
    
49. 0 0 0 1 71 5041 1 1  7 3        .6  7.601402 5         0  20
    
50. 1 1 1 3 48 2304 0 1  6 1         0 8.0067005 0         0  13
    
51. -1 0 0 5 50 2500 0 2  7 1         0 8.0067005 0  9.822196  20
    
52. 1 1 0 4 52 2704 0 1  7 1         0  7.601402 5  10.12667  20
    
53. -1 0 1 5 30  900 0 1  9 4        .6  9.210441 0  11.67541  13
    
54. 1 1 0 4 32 1024 0 2  9 3        .6  9.210441 0  9.145908  20
    
55. -1 0 0 5 34 1156 0 1  9 3        .6  8.699681 5 8.4528675  20
    
56. 0 0 0 4 25  625 0 0 16 4 .16666667         . 1 13.754304  13
    
57. 1 1 0 4 51 2601 0 2  9 1 .16666667         0 1  12.71063  20
    
58. 0 0 0 5 29  841 0 0 16 1         0  8.517393 1 10.502523  20
    
59. 0 0 0 4 44 1936 0 1  6 3        .5    8.2943 0 11.448398  13
    
60. -1 0 1 4 46 2116 0 2  6 4        .4  7.601402 0  11.95922  20
    
61. 0 0 0 3 48 2304 0 1  6 1        .5  7.601402 5 11.225257  20
    
62. 1 1 0 4 30  900 0 1  9 5  .3333333  7.601402 0  7.131699  13
    
63. 1 1 1 4 56 3136 0 2  4 4  .3333333  7.601402 1  7.824446  20
    
64. -1 0 1 5 35 1225 1 1 10 3  .3333333  9.210441 1         0  20
    
65. -1 0 0 4 62 3844 1 1  0 1       .25 8.0067005 5  9.993145  20
    
66. 2 1 1 2 54 2916 1 1  6 3         0  8.517393 0  7.824446  13
    
67. 0 0 0 5 56 3136 1 2  6 4         0  8.517393 0 11.512936  20
    
68. -2 0 0 5 58 3364 1 1  6 1         0  8.699681 5  10.75526  20
    
69. 1 1 0 3 27  729 0 1  0 4  .3333333  7.601402 0  9.993145  13
    
70. 0 0 1 5 24  576 1 0 16 3         0  9.903538 0  6.439351  13
    
71. 0 0 0 5 58 3364 1 2  9 2         0  9.903538 1         0  20
    
72. 0 0 0 5 60 3600 1 1  9 3         0  8.699681 5  7.536897  20
    
73. 1 1 0 3 46 2116 0 1  6 3         0  8.853808 0 11.042938  13
    
74. 0 0 1 4 48 2304 0 2  9 5         0  8.853808 0 11.411042  20
    
75. -2 0 0 4 50 2500 0 1  9 3         0  7.601402 5 11.042938  20
    
76. -1 0 0 5 52 2704 1 1  9 4         0  9.210441 0         0  13
    
77. 0 0 0 4 56 3136 0 2  0 2         0  9.210441 0 11.471462  20
    
78. -1 0 0 4 58 3364 0 1  0 3         0  9.903538 5 11.042938  20
    
79. -1 0 0 5 49 2401 0 1  9 4         0  9.210441 0 11.448398  13
    
80. 1 1 0 4 38 1444 1 1  9 4        .5  9.210441 0  11.95922  13
    
81. -2 0 0 4 40 1600 1 2  9 3        .5  9.210441 0 12.309874  20
    
82. 2 1 0 2 69 4761 1 1  3 3        .5 8.0067005 5 11.448398  20
    
83. 0 0 1 3 63 3969 0 1  6 1  .3333333  6.908755 0         0  13
    
84. 1 1 0 3 33 1089 0 1  0 3        .5         . 0         0  13
    
85. -1 0 0 4 36 1296 1 2 12 5        .5         0 0         0  20
    
86. 2 1 0 3 37 1369 0 1  5 4        .5  7.313887 5         0  20
    
87. 1 1 0 5 31  961 0 1  9 5  .3333333  9.210441 0  10.36961  13
    
88. -1 0 0 5 62 3844 0 2  7 4  .3333333  9.210441 0         0  20
    
89. 0 0 0 5 64 4096 0 1  7 1         0 8.0067005 5  6.306047  20
    
90. 3 1 0 1 76 5776 0 2  0 1        .3         0 0         0  20
    
91. -3 0 0 4 78 6084 0 1  0 2        .7    8.2943 5  6.439351  20
    
92. 1 1 0 3 23  529 1 1 12 4  .3333333  8.987322 0  10.68627  13
    
93. -2 0 0 4 24  576 0 2 12 5  .2857143  8.987322 1 11.091727  20
    
94. 1 1 0 2 26  676 0 1 12 5  .2857143 10.308986 5 10.375474  20
    
95. 1 1 1 4 36 1296 0 1  9 3        .5  8.517393 0  11.45227  13
    
96. 0 0 1 5 38 1444 0 2  9 2       .25  8.517393 0  9.271059  20
    
97. 0 0 0 5 40 1600 0 1  9 2       .25  7.601402 5  9.551338  20
    
98. 1 1 0 2 29  841 1 1  9 2        .5  9.210441 5  7.690972  20
    
99. 0 0 0 2 36 1296 0 1  6 5  .3333333 8.0067005 5  7.354682  20
    
100. 1 1 0 2 32 1024 1 1  9 5        .4 8.0067005 0  9.839003  13
     
101. 1 1 0 3 34 1156 1 2  9 5       .25 8.0067005 0 11.354088  20
     
102. 0 0 0 4 36 1296 1 1  9 5       .25 8.0067005 5 10.819798  20
     
103. 0 0 0 1 77 5929 1 5  6 2         1         0 0         0 120
     
104. -1 0 0 5 60 3600 1 0  0 5         0  5.303305 5         0  40
     
105. end

复制代码

[/code]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Probit回归 oprobit Probit 回归结果 bit