关于逐步回归法

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

那位大虾知道在用逐步回归法时，正向纳入和反向淘汰哪一个更准确
在用STATA时，为什么命令sw reg y x1 x2 x3 x4 x5 x6 x7,pr(.10)和sw reg y x1 x2 x3 x4 x5 x6 x7,pe(.10)的回归结果不一样~哪个更可信呢？

sw ologit y x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13,pe(.10)
begin with empty model
p = 0.0159 <  0.1000  adding   x6
p = 0.0609 <  0.1000  adding   x5
p = 0.0971 <  0.1000  adding   x2

Ordered logistic regression                       Number of obs   = 35
LR chi2(3)      = 17.25
Prob > chi2     = 0.0006
Log likelihood = -33.384154                       Pseudo R2       = 0.2053

y       Coef.   Std. Err.      z    P>z     [95% Conf. Interval]

x6    .0438938   .0266138     1.65   0.099    -.0082682 .0960558
x5    2.845029   1.365265     2.08   0.037     .1691582 5.520901
x2     .750995   .4526318     1.66   0.097     -.136147 1.638137

/cut1   -2.400478   .7695964                      -3.90886 -.8920972
/cut2    .8391373   .4776718                     -.0970822 1.775357
/cut3     3.38809   .8004838                       1.81917 4.957009

. sw ologit y x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13,pr(.10)
begin with full model
p = 0.9849 >= 0.1000  removing x3
p = 0.9684 >= 0.1000  removing x10
p = 0.7306 >= 0.1000  removing x13
p = 0.6850 >= 0.1000  removing x8
p = 0.5804 >= 0.1000  removing x5
p = 0.3484 >= 0.1000  removing x1
p = 0.2298 >= 0.1000  removing x12
p = 0.2814 >= 0.1000  removing x4
p = 0.2231 >= 0.1000  removing x9
p = 0.1129 >= 0.1000  removing x11

Ordered logistic regression                       Number of obs   = 35
LR chi2(3)      = 16.80
Prob > chi2     = 0.0008
Log likelihood = -33.611169                       Pseudo R2       = 0.1999

y       Coef.   Std. Err.      z    P>z     [95% Conf. Interval]

x7    .1793151   .0904187     1.98   0.047     .0020977 .3565325
x2    .8587624   .4371713     1.96   0.049     .0019224 1.715602
x6    .0735324   .0290028     2.54   0.011      .016688 .1303769

/cut1   -2.047015   .7583459                     -3.533345 -.5606842
/cut2    1.126754   .5373524                      .0735629 2.179946
/cut3    3.697584   .8773536                      1.978003 5.417165

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6 回帖

关键词：逐步回归 regression Likelihood regressio Removing 大虾

请大侠们不吝赐教~自己先顶一个~

这个没遇到过，不过应该在两个模型之间再检验下看看吧！

xjg1983 发表于 2011-12-25 19:50
这个没遇到过，不过应该在两个模型之间再检验下看看吧！

两个模型之间是什么意思啊？

应该是从少到多的更合理，因为模型是越紧凑越好，当然，由于数据太少,结果可能不一样，但只要数据足够多，结果应该是一样的

wlou64 发表于 2011-12-25 21:09
应该是从少到多的更合理，因为模型是越紧凑越好，当然，由于数据太少,结果可能不一样，但只要数据足够多，结 ...

噢，原来是这样。估计是由于数据太少了。谢谢！！！

学习了。

这两个做法不一样，最后结果应该一样的吧

希汐 发表于 2016-4-24 15:10
这两个做法不一样，最后结果应该一样的吧

明显不一样啊。

huyanglin 发表于 2011-12-25 19:28
请大侠们不吝赐教~自己先顶一个~

请问楼主在哪里知道的逐步回归这个stata命令呢？方便的话能告诉我嘛？每个版本stata的逐步回归命令不一样吗？