order logit模型的检验，wald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

用截面数据做了ologit模型，被解释变量是从1-5的离散变量。之后怎么做检验呢？有资料说做wald检验，是要每个解释变量都做吗，怎么样是通过了检验呢？
ologit结果如下：
.   ologit xingfu wuincome gender age_2 hukou edu dangyuan  mar wasset ss safe  ,robust

Iteration 0:   log pseudolikelihood =  -4679.464  
Iteration 1:   log pseudolikelihood = -4574.6792  
Iteration 2:   log pseudolikelihood = -4574.2017  
Iteration 3:   log pseudolikelihood = -4574.2015  

Ordered logistic regression                       Number of obs   =       4138
                                                               Wald chi2(10)   =     196.84
                                                                 Prob > chi2     =     0.0000
Log pseudolikelihood = -4574.2015                 Pseudo R2       =     0.0225

------------------------------------------------------------------------------
             |               Robust
      xingfu |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    wuincome |   3.25e-06   8.56e-07     3.80   0.000     1.58e-06    4.93e-06
      gender |   .1787505   .0639014     2.80   0.005     .0535059     .303995
       age_2 |   3.13e-09   1.33e-09     2.35   0.019     5.17e-10    5.74e-09
       hukou |  -.0164813   .0679028    -0.24   0.808    -.1495683    .1166057
         edu |   .0710183    .009153     7.76   0.000     .0530787    .0889578
    dangyuan |   .2168595   .1188921     1.82   0.068    -.0161648    .4498838
         mar |   .5738508    .107147     5.36   0.000     .3638465    .7838551
      wasset |   .0049378   .0006091     8.11   0.000     .0037441    .0061316
          ss |   .0860524   .0600466     1.43   0.152    -.0316368    .2037416
        safe |  -.1691301    .060539    -2.79   0.005    -.2877843    -.050476
-------------+----------------------------------------------------------------
       /cut1 |  -2.875078   .2447267                     -3.354733   -2.395422
       /cut2 |  -.5795771   .1991778                     -.9699584   -.1891959
       /cut3 |   2.025318   .1974778                      1.638268    2.412367
       /cut4 |   4.746056    .211374                      4.331771    5.160342
------------------------------------------------------------------------------

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2 回帖

关键词：logit模型 wald检验 Order logit Wald 检验 模型

刚发那个回归结果比较乱，请看这个。谢谢
ologit xingfu wuincome gender age_2 hukou edu dangyuan  mar wasset ss safe  ,robust

Iteration 0:   log pseudolikelihood =  -4679.464  
Iteration 1:   log pseudolikelihood = -4574.6792  
Iteration 2:   log pseudolikelihood = -4574.2017  
Iteration 3:   log pseudolikelihood = -4574.2015  

Ordered logistic regression                       Number of obs   =       4138
                                                  Wald chi2(10)   =     196.84
                                                  Prob > chi2     =     0.0000
Log pseudolikelihood = -4574.2015                 Pseudo R2       =     0.0225

------------------------------------------------------------------------------
             |               Robust
      xingfu |      Coef.          Std. Err.      z          P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
  wuincome |   3.25e-06   8.56e-07     3.80   0.000     1.58e-06    4.93e-06
       gender |   .1787505   .0639014     2.80   0.005     .0535059     .303995
        age_2 |   3.13e-09   1.33e-09     2.35   0.019     5.17e-10    5.74e-09
       hukou |  -.0164813   .0679028    -0.24   0.808    -.1495683    .1166057
           edu |   .0710183    .009153     7.76   0.000     .0530787    .0889578 dangyuan |   .2168595   .1188921     1.82   0.068    -.0161648    .4498838
           mar |   .5738508    .107147     5.36   0.000     .3638465    .7838551
      wasset |   .0049378   .0006091     8.11   0.000     .0037441    .0061316
             ss |   .0860524   .0600466     1.43   0.152    -.0316368    .2037416
          safe |  -.1691301    .060539    -2.79   0.005    -.2877843    -.050476
-------------+----------------------------------------------------------------
       /cut1 |  -2.875078   .2447267                     -3.354733   -2.395422
       /cut2 |  -.5795771   .1991778                     -.9699584   -.1891959
       /cut3 |   2.025318   .1974778                      1.638268    2.412367
       /cut4 |   4.746056    .211374                      4.331771    5.160342
------------------------------------------------------------------------------

刚发那个回归结果比较乱，请看这个。谢谢
ologit xingfu wuincome gender age_2 hukou edu dangyuan  mar wasset ss safe  ,robust

Iteration 0:   log pseudolikelihood =  -4679.464  
Iteration 1:   log pseudolikelihood = -4574.6792  
Iteration 2:   log pseudolikelihood = -4574.2017  
Iteration 3:   log pseudolikelihood = -4574.2015  

Ordered logistic regression                       Number of obs   =       4138
                                                  Wald chi2(10)   =     196.84
                                                  Prob > chi2     =     0.0000
Log pseudolikelihood = -4574.2015                 Pseudo R2       =     0.0225

------------------------------------------------------------------------------
             |               Robust
      xingfu |      Coef.          Std. Err.      z         P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
wuincome |   3.25e-06   8.56e-07     3.80   0.000     1.58e-06    4.93e-06
     gender |   .1787505   .0639014     2.80   0.005     .0535059     .303995
       age_2 |   3.13e-09   1.33e-09     2.35   0.019     5.17e-10    5.74e-09
       hukou |  -.0164813   .0679028    -0.24   0.808    -.1495683    .1166057
           edu |   .0710183    .009153     7.76   0.000     .0530787    .0889578 dangyuan |   .2168595   .1188921     1.82   0.068    -.0161648    .4498838
           mar |   .5738508    .107147     5.36   0.000     .3638465    .7838551
      wasset |   .0049378   .0006091     8.11   0.000     .0037441    .0061316
             ss |   .0860524   .0600466     1.43   0.152    -.0316368    .2037416
          safe |  -.1691301    .060539    -2.79   0.005    -.2877843    -.050476
-------------+----------------------------------------------------------------
       /cut1 |  -2.875078   .2447267                     -3.354733   -2.395422
       /cut2 |  -.5795771   .1991778                     -.9699584   -.1891959
       /cut3 |   2.025318   .1974778                      1.638268    2.412367
       /cut4 |   4.746056    .211374                      4.331771    5.160342
------------------------------------------------------------------------------

怎么还是调不好？

是我问的不对吗？怎么没有人回答呢？

yanzhishi 发表于 2013-4-3 12:40
是我问的不对吗？怎么没有人回答呢？

不知道你问的什么问题？

sewind_tj 发表于 2013-4-5 14:24
不知道你问的什么问题？

想问怎么用stata做wald检验

yanzhishi 发表于 2013-4-5 16:57
想问怎么用stata做wald检验

http://www.ats.ucla.edu/stat/stata/faq/nested_tests.htm

fgleric 发表于 2013-4-5 22:22
http://www.ats.ucla.edu/stat/stata/faq/nested_tests.htm

版主高端！

estat AIC, BIC, VCE, and estimation sample summary
estat (svy) postestimation statistics for survey data
estimates cataloging estimation results
lincom point estimates, standard errors, testing, and inference for linear combinations
of coefficients
linktest link test for model specification
lrtest1 likelihood-ratio test
margins marginal means, predictive margins, marginal effects, and average marginal effects
nlcom point estimates, standard errors, testing, and inference for nonlinear combinations
of coefficients
predict predictions, residuals, influence statistics, and other diagnostic measures
predictnl point estimates, standard errors, testing, and inference for generalized predictions
suest seemingly unrelated estimation
test Wald tests of simple and composite linear hypotheses
testnl Wald tests of nonlinear hypotheses