楼主: luxun1712
72450 18

[回归分析求助] Stata12做回归如何建立交互项 [推广有奖]

11楼
yangyangjun 发表于 2016-3-19 14:08:29
connie82981 发表于 2016-2-29 17:21
不好意思回复错了。
楼主您好，看了您上面的回复，试验了下，果然交互项的命令在stata12 版本与11之前的 ...
我觉得做交互项最好的方式还是先乘起来，再进入模型
12楼
xiaohazhi1989 发表于 2016-6-1 09:52:44
jjb615 发表于 2015-5-13 22:49
书上用的是*，原来是#
是呢，我一开始用*，一直提示不对呢，原来要用#
13楼
317792209 在职认证  学生认证  发表于 2016-6-7 07:04:51 来自手机
connie82981 发表于 2016-2-29 17:21
不好意思回复错了。
楼主您好，看了您上面的回复，试验了下，果然交互项的命令在stata12 版本与11之前的 ...
anova wage children married children#married c.education
你用的周广肃的教材吧？他用stata10.0做的，你当然运行不了。没看提示嘛，那个命令只适合于11.0以下版本
14楼
雷童1 在职认证  发表于 2017-8-21 17:27:49
317792209 发表于 2016-6-7 07:04
anova wage children married children#married c.education
你用的周广肃的教材吧？他用stata10.0做的， ...
忒感谢了，好人哇
15楼
992051790 发表于 2018-8-4 17:33:29
蓝色 发表于 2013-10-14 19:49
Title

     11.4.3 Factor variables
非常好
16楼
无声流苏 学生认证  发表于 2018-10-19 01:47:24
蓝色 发表于 2013-10-14 19:49
Title

     11.4.3 Factor variables
请问老师，c.x#sex 的系数该如何解释呢，例如得到以下答案
c.x#sex   
             0|   .1014661   .0225791     4.49   0.000  
            1 |   .2411626   .0828255     2.91   0.004
17楼
蓝色 发表于 2018-10-19 08:08:36
无声流苏 发表于 2018-10-19 01:47
请问老师，c.x#sex 的系数该如何解释呢，例如得到以下答案
c.x#sex   
             0|   .1014661    ...
  1. sysuse auto,clear
  2. label drop _all

  4. *foreign 是0和1的虚拟变量
  5. gen     foreign0=1 if foreign==0
  6. replace foreign0=0 if foreign==1

  8. gen     foreign1=1 if foreign==1
  9. replace foreign1=0 if foreign==0

  11. gen weight_foreign0=weight*foreign0
  12. gen weight_foreign1=weight*foreign1
  13. gen weight_foreign =weight*foreign

  15. *自己比较一下下面模型，其实都是等价的
  16. reg price weight c.weight#foreign  
  17. reg price weight   weight_foreign

  19. reg price        c.weight#foreign
  20. reg price   weight_foreign0 weight_foreign1
复制代码

  1. . *自己比较一下下面模型，其实都是等价的
  2. . reg price weight c.weight#foreign  

  4.       Source |       SS           df       MS      Number of obs   =        74
  5. -------------+----------------------------------   F(2, 71)        =     39.23
  6.        Model |   333367673         2   166683836   Prob > F        =    0.0000
  7.     Residual |   301697724        71  4249263.71   R-squared       =    0.5249
  8. -------------+----------------------------------   Adj R-squared   =    0.5116
  9.        Total |   635065396        73  8699525.97   Root MSE        =    2061.4

  11. ----------------------------------------------------------------------------------
  12.            price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
  13. -----------------+----------------------------------------------------------------
  14.           weight |   3.150765   .3623062     8.70   0.000     2.428347    3.873183
  15.                  |
  16. foreign#c.weight |
  17.               1  |   1.529343   .2581509     5.92   0.000     1.014604    2.044081
  18.                  |
  19.            _cons |  -4401.322   1219.138    -3.61   0.001    -6832.214   -1970.431
  20. ----------------------------------------------------------------------------------

  22. . reg price weight   weight_foreign

  24.       Source |       SS           df       MS      Number of obs   =        74
  25. -------------+----------------------------------   F(2, 71)        =     39.23
  26.        Model |   333367673         2   166683836   Prob > F        =    0.0000
  27.     Residual |   301697724        71  4249263.71   R-squared       =    0.5249
  28. -------------+----------------------------------   Adj R-squared   =    0.5116
  29.        Total |   635065396        73  8699525.97   Root MSE        =    2061.4

  31. --------------------------------------------------------------------------------
  32.          price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
  33. ---------------+----------------------------------------------------------------
  34.         weight |   3.150765   .3623062     8.70   0.000     2.428347    3.873183
  35. weight_foreign |   1.529343   .2581509     5.92   0.000     1.014604    2.044081
  36.          _cons |  -4401.322   1219.138    -3.61   0.001    -6832.214   -1970.431
  37. --------------------------------------------------------------------------------

  39. .
  40. . reg price        c.weight#foreign

  42.       Source |       SS           df       MS      Number of obs   =        74
  43. -------------+----------------------------------   F(2, 71)        =     39.23
  44.        Model |   333367673         2   166683836   Prob > F        =    0.0000
  45.     Residual |   301697724        71  4249263.71   R-squared       =    0.5249
  46. -------------+----------------------------------   Adj R-squared   =    0.5116
  47.        Total |   635065396        73  8699525.97   Root MSE        =    2061.4

  49. ----------------------------------------------------------------------------------
  50.            price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
  51. -----------------+----------------------------------------------------------------
  52. foreign#c.weight |
  53.               0  |   3.150765   .3623062     8.70   0.000     2.428347    3.873183
  54.               1  |   4.680107   .5425476     8.63   0.000     3.598298    5.761916
  55.                  |
  56.            _cons |  -4401.322   1219.138    -3.61   0.001    -6832.214   -1970.431
  57. ----------------------------------------------------------------------------------

  59. . reg price   weight_foreign0 weight_foreign1

  61.       Source |       SS           df       MS      Number of obs   =        74
  62. -------------+----------------------------------   F(2, 71)        =     39.23
  63.        Model |   333367673         2   166683836   Prob > F        =    0.0000
  64.     Residual |   301697724        71  4249263.71   R-squared       =    0.5249
  65. -------------+----------------------------------   Adj R-squared   =    0.5116
  66.        Total |   635065396        73  8699525.97   Root MSE        =    2061.4

  68. ---------------------------------------------------------------------------------
  69.           price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
  70. ----------------+----------------------------------------------------------------
  71. weight_foreign0 |   3.150765   .3623062     8.70   0.000     2.428347    3.873183
  72. weight_foreign1 |   4.680107   .5425476     8.63   0.000     3.598298    5.761916
  73.           _cons |  -4401.322   1219.138    -3.61   0.001    -6832.214   -1970.431
  74. ---------------------------------------------------------------------------------
复制代码


已有 1 人评分学术水平 热心指数 信用等级 收起 理由
Stakiny + 3 + 3 + 3 热心帮助其他会员

总评分: 学术水平 + 3  热心指数 + 3  信用等级 + 3   查看全部评分

18楼
无声流苏 学生认证  发表于 2018-10-31 19:33:59
蓝色 发表于 2018-10-19 08:08
谢谢老师~
19楼
无声流苏 学生认证  发表于 2018-10-31 21:12:36
蓝色 发表于 2018-10-19 08:08
老师，感谢您的回复~关于面板数据交互和分组的系数差异问题，想请教您一下，希望老师指点~谢谢老师~
对于下面这个例子， 第一个回归中（交互项） tenure 的系数，和第二第三个回归中（分组）tenure的系数存在差异~
（例子是 help xtreg 中example的数据）
webuse nlswork,clear
xtset idcode
. xtreg ln_w age c.tenure##union  , fe r

Fixed-effects (within) regression               Number of obs     =     19,010
Group variable: idcode                            Number of groups  =      4,134

R-sq:                                                    Obs per group:
     within  = 0.1276                                         min =          1
     between = 0.1534                                      avg =        4.6
     overall = 0.1301                                         max =         12

                                                         F(4,4133)         =     290.67
corr(u_i, Xb)  = 0.1272                         Prob > F          =     0.0000

                               (Std. Err. adjusted for 4,134 clusters in idcode)
--------------------------------------------------------------------------------
               |               Robust
       ln_wage |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
---------------+----------------------------------------------------------------
           age |    .0096922   .0008612    11.25   0.000     .0080038    .0113806
        tenure |   .0196865   .0012793    15.39   0.000     .0171783    .0221946
       1.union |   .1271028   .0118425    10.73   0.000     .1038851    .1503206
union#c.tenure |
            1     |   -.007151   .0015312    -4.67   0.000    -.0101529   -.0041491
         _cons  |   1.353125   .0243775    55.51   0.000     1.305332    1.400918
---------------+----------------------------------------------------------------
       sigma_u |    .405353
       sigma_e |  .25627106
           rho    |  .71443966   (fraction of variance due to u_i)
--------------------------------------------------------------------------------

. xtreg ln_w age tenure if union==0, fe r

Fixed-effects (within) regression               Number of obs     =     14,539
Group variable: idcode                            Number of groups  =      3,744

R-sq:                                           Obs per group:
     within  = 0.1118                                         min =          1
     between = 0.0933                                       avg =        3.9
     overall = 0.0930                                         max =         12

                                                          F(2,3743)         =     370.32
corr(u_i, Xb)  = 0.0900                         Prob > F          =     0.0000

                             (Std. Err. adjusted for 3,744 clusters in idcode)
------------------------------------------------------------------------------
             |               Robust
     ln_wage |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         age  |   .0092085   .0009338     9.86   0.000     .0073777    .0110393
      tenure |   .0190461   .0013294    14.33   0.000     .0164396    .0216526
       _cons |   1.346987   .0266217    50.60   0.000     1.294793    1.399182
-------------+----------------------------------------------------------------
     sigma_u |  .41488747
     sigma_e |  .25338348
         rho    |  .72833798   (fraction of variance due to u_i)
------------------------------------------------------------------------------
. xtreg ln_w age tenure if union==1, fe r

Fixed-effects (within) regression               Number of obs     =      4,471
Group variable: idcode                            Number of groups  =      1,625

R-sq:                                           Obs per group:
     within  = 0.1347                                           min =          1
     between = 0.0634                                         avg =        2.8
     overall = 0.0845                                            max =         12

                                                          F(2,1624)         =     135.19
corr(u_i, Xb)  = 0.0484                         Prob > F          =     0.0000

                             (Std. Err. adjusted for 1,625 clusters in idcode)
------------------------------------------------------------------------------
             |               Robust
     ln_wage |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         age  |    .014007   .0025921     5.40   0.000     .0089227    .0190913
      tenure |   .0081815   .0028126     2.91   0.004     .0026647    .0136982
       _cons |   1.442803   .0697704    20.68   0.000     1.305953    1.579652
-------------+----------------------------------------------------------------
     sigma_u |  .39602032
     sigma_e |  .21951085
         rho    |  .76497076   (fraction of variance due to u_i)
------------------------------------------------------------------------------
返回列表
12
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群

京ICP备16021002号-2 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问：王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2026-1-22 16:26