xtmelogit中的wald检验用来干嘛的？

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

Refining starting values:   Iteration 0:   log likelihood = -3824.2872 Iteration 1:   log likelihood = -3699.8676
Iteration 2:   log likelihood = -3690.0795

Performing gradient-based optimization:

Iteration 0:   log likelihood = -3690.0795
Iteration 1:   log likelihood = -3689.6398
  Iteration 2:   log likelihood = -3689.6382
  Iteration 3:   log likelihood = -3689.6382
    Mixed-effects logistic regression
              Number of obs      =      8525
Group variable: did                             Number of groups   =       407   
Obs per group: min =         2                                                                avg =      20.9                                  max =        40
Integration points =  10                        Wald chi2(7)       =    394.80
Log likelihood = -3689.6382                     Prob > chi2        =    0.0000
如上，Wald chi2(7)检验的结果是针对什么假设的？为何与分别根据null model与current model比较进行LR test的结果很大区别？-2*log likelihood也对不上号。求高手帮忙解释一下或推荐一下相关资料。
多谢！

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：xtmelogit wald检验 logit Wald Log starting groups values

both ll and Wald tests are for model fitting, ll test is to check the model against the model without random effect, the Wald test here is to check if the coefficients are zero.

jjjj6666 发表于 2014-2-20 01:45
both ll and Wald tests are for model fitting, ll test is to check the model against the model withou ...

我最主要的问题是：为何与分别根据null model与current model比较进行LR test的结果很大区别？
哪个更好？与分布有关么？

They test different things.  If you want to see whether the random effect is needed in the model, use the LR test.  Assuming you accept the random effect model, to see if the fixed effect coefficients (except the intercept) are 0, use the Wald test.

jjjj6666 发表于 2014-2-20 21:40
They test different things.  If you want to see whether the random effect is needed in the model, us ...

可能说得不够详细，我不关心是否需要用多水平，而是模型的拟合度：
我看到测度模型拟合度的有两种做法：
（1）直接看上面的wald检验的显著程度；
(2) 现做不包含变量的null模型，再做包含变量的全模型，然后用二后者嵌套到前者比较模型有无显著改善。

问题是这两个检验的结果竟然不一样？不知是何原因？

wald检验和LR检验的值是不一样的
构造的统计量是不同的

. clear

. use "D:\temp\Stata12database\allXTfiles\bangladesh.dta", clear
(Bangladesh Fertility Survey, 1989)

. *********************************************
. xtmelogit c_use urban age child1 child2 child3 || district:

Refining starting values:

Iteration 0:   log likelihood = -1219.2682  
Iteration 1:   log likelihood = -1209.3544  
Iteration 2:   log likelihood = -1207.1895  

Performing gradient-based optimization:

Iteration 0:   log likelihood = -1207.1895  
Iteration 1:   log likelihood = -1206.8323  
Iteration 2:   log likelihood = -1206.8322  
Iteration 3:   log likelihood = -1206.8322  

Mixed-effects logistic regression               Number of obs      =      1934
Group variable: district                        Number of groups   =        60

                                                Obs per group: min =         2
                                                               avg =      32.2
                                                               max =       118

Integration points =   7                        Wald chi2(5)       =    109.60
Log likelihood = -1206.8322                     Prob > chi2        =    0.0000

------------------------------------------------------------------------------
       c_use |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       urban |   .7322764   .1194857     6.13   0.000     .4980887    .9664641
         age |  -.0264982   .0078916    -3.36   0.001    -.0419654   -.0110309
      child1 |   1.116002   .1580921     7.06   0.000     .8061466    1.425856
      child2 |   1.365895    .174669     7.82   0.000      1.02355     1.70824
      child3 |   1.344031   .1796549     7.48   0.000     .9919141    1.696148
       _cons |   -1.68929   .1477592   -11.43   0.000    -1.978892   -1.399687
------------------------------------------------------------------------------

------------------------------------------------------------------------------
  Random-effects Parameters  |   Estimate   Std. Err.     [95% Conf. Interval]
-----------------------------+------------------------------------------------
district: Identity           |
                   sd(_cons) |   .4643477   .0789531      .3327464    .6479975
------------------------------------------------------------------------------
LR test vs. logistic regression: chibar2(01) =    43.39 Prob>=chibar2 = 0.0000

. test urban age child1 child2 child3

( 1)  [eq1]urban = 0
( 2)  [eq1]age = 0
( 3)  [eq1]child1 = 0
( 4)  [eq1]child2 = 0
( 5)  [eq1]child3 = 0

           chi2(  5) =  109.60
         Prob > chi2 =    0.0000

蓝色 发表于 2014-2-21 13:42
. clear

. use "D:\temp\Stata12database\allXTfiles\bangladesh.dta", clear

多谢版主。我用的是嵌套模型的对比：
xtmelogit c_use urban age child1 child2 child3 || district:
estimates store m1
xtmelogit c_use || district:
estimates store m0
lrtest m1 m0
结果如下：
Likelihood-ratio test                                 LR chi2(5)  =    120.44
(Assumption: m0 nested in m1)                         Prob > chi2 =    0.0000

在这个例子里两个检验结果类似，但是我碰到的是一个显著一个不显著。请问该用哪个？

理论上大样本LR，wald和Lm是等价的

如果小样本，很难判断了。

Greene的书上是这样讲的

蓝色 发表于 2014-2-21 19:06
理论上大样本LR，wald和Lm是等价的

如果小样本，很难判断了。

好的，学习了~多谢楼主！