如何对有序逻辑回归的估计系数进行组间差异检验

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

虚心向各位大佬进行，如何对有序逻辑回归（ologit）的估计系数进行组间差异检验，尝试用bdiff检验时会出现[_cons] not found，这个原因好像是有序逻辑回归把常数项吸收掉了？请问应该如何解决？

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：有序逻辑回归 组间差异 逻辑回归 差异检验 ologit

一种常用的方法是使用循环进行多个二分类逻辑回归模型的估计，并比较各个模型的系数差异。具体步骤如下：
1. 将有序变量转换为多个二分类变量，每个变量代表一种可能的取值。例如，如果有一个有序变量有3个取值（低、中、高），则将其转换为两个二分类变量，分别表示低和非低，中和非中。
2. 使用循环进行多个二分类逻辑回归模型的估计，分别比较各个模型的系数。
3. 对比各个模型的系数，检验差异的显著性。可以使用t检验、方差分析（ANOVA）或其他适当的方法来进行统计检验。
另外，还可以考虑使用有序Logistic混合模型（Ordered Logistic Mixed Model）来进行组间差异检验。

要解决这个问题,主要有以下两种方法:

在有序逻辑回归中添加cons选项,强制保留全部常数项。这样就可以正常进行bdiff检验。

1. ologit y x1 x2, cons
   
2. bdiff, df(r)

复制代码

使用mlogtest命令进行组间差异检验,它可以检验有序逻辑回归中的非线性联立结构。

1. ologit y x1 x2
   
2. mlogtest x1

复制代码

mlogtest命令会进行Chi-squared检验,来判断组间是否存在系数差异。

也可以考虑使用一般化有序逻辑回归(gologit2),它保留全部常数项,然后再用bdiff检验。

sun_man 发表于 2023-10-26 11:42
一种常用的方法是使用循环进行多个二分类逻辑回归模型的估计，并比较各个模型的系数差异。具体步骤如下：
...

好的，非常感谢您的参考意见

oliyiyi 发表于 2023-10-27 09:12
要解决这个问题,主要有以下两种方法:

在有序逻辑回归中添加cons选项,强制保留全部常数项。这样就可以正常 ...

非常感谢您提供的代码参考，已尝试参考

oliyiyi 发表于 2023-10-27 09:12
要解决这个问题,主要有以下两种方法:

在有序逻辑回归中添加cons选项,强制保留全部常数项。这样就可以正常 ...

好的，非常感谢您提供的代码参考，已经尝试解决问题，谢谢您

在进行有序逻辑回归分析(ologit)时确实会遇到“[_cons] not found”的问题。这是因为在有序逻辑回归中，模型估计的是每个类别相对于参考类别的阈值(threshold)，而不是传统线性或二元logistic回归中的常数项(intercept)。

要对不同组的有序逻辑回归系数进行差异检验，一种常用的方法是交互作用法。具体步骤如下：

1. **创建组别变量**：首先确保你的数据中有一个明确标识各组（例如对照组和实验组）的变量。

2. **构建交互项**：对于你感兴趣的解释变量，与组别变量创建交互项。这意味着将每个解释变量乘以组别变量。

3. **运行有序逻辑回归模型**：在模型中包括所有的主效应以及构建的所有交互项。

4. **使用lincom或test命令检验差异**：
   - 使用`lincom`命令可以对特定的系数组合进行线性假设检验，比如检验两个组间某个解释变量估计值的差异。例如，如果比较组A和组B在解释变量X上的系数差异，你可以运行：`lincom _b[X] + [interaction_variable_X], or`
   - 使用`test`命令可以对模型中特定参数是否等于0进行联合显著性检验。你也可以使用它来检验交互项的系数是否显著不为零。

5. **解释结果**：
   - 如果交互项的估计值在统计上显著，这表明组间存在差异。
   - 根据`lincom`或`test`命令的结果判断具体哪些解释变量对不同组的影响有显著差异。

请注意，在构建交互项时要小心处理连续和分类变量。对于分类变量的交互项，你可能需要创建多个虚拟变量来表示不同的类别组合。

最后，确保在做任何统计检验前检查模型假设是否满足，并考虑多重比较校正以避免假阳性的结果。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用