stata13 esttab命令无法输出2个存储的结果

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

请教一下，为何stata 13里面无法输出两个est store的结果。单个结果正常，两个存储结果显示错误：

invalid matrix stripe;
var(_cons[id])
r(198);


请高手解答，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1 回帖

关键词：Stata13 esttab Stata tata Est invalid matrix stripe store

可能是多水平模型里面方差的存储比较诡异？

reg y x1 x2
est store m1
reg y x3 x4
est store m2
esttab m1 m2 using filename.rtf
楼主看这个可以用么？我用的也是13.0，不过没出过这类问题

Alfred_G 发表于 2014-12-15 23:16
reg y x1 x2
est store m1
reg y x3 x4

普通的回归没问题，用meologit会出现。我初步推断是输出结果中var的结构比较特殊。不过具体情况不太了解。

没有问题

. webuse tvsfpors

. meologit thk prethk cc##tv || school:

Fitting fixed-effects model:

Iteration 0:   log likelihood =  -2212.775  
Iteration 1:   log likelihood =  -2125.509  
Iteration 2:   log likelihood = -2125.1034  
Iteration 3:   log likelihood = -2125.1032  

Refining starting values:

Grid node 0:   log likelihood = -2136.2426

Fitting full model:

Iteration 0:   log likelihood = -2136.2426  (not concave)
Iteration 1:   log likelihood = -2120.2577  
Iteration 2:   log likelihood = -2119.7574  
Iteration 3:   log likelihood = -2119.7428  
Iteration 4:   log likelihood = -2119.7428  

Mixed-effects ologit regression                 Number of obs      =      1600
Group variable:          school                 Number of groups   =        28

                                                Obs per group: min =        18
                                                               avg =      57.1
                                                               max =       137

Integration method: mvaghermite                 Integration points =         7

                                                Wald chi2(4)       =    128.06
Log likelihood = -2119.7428                     Prob > chi2        =    0.0000
------------------------------------------------------------------------------
         thk |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      prethk |   .4032892     .03886    10.38   0.000      .327125    .4794534
        1.cc |   .9237904    .204074     4.53   0.000     .5238127    1.323768
        1.tv |   .2749937   .1977424     1.39   0.164    -.1125744    .6625618
             |
       cc#tv |
        1 1  |  -.4659256   .2845963    -1.64   0.102    -1.023724    .0918728
-------------+----------------------------------------------------------------
       /cut1 |  -.0884493   .1641062    -0.54   0.590    -.4100916     .233193
       /cut2 |   1.153364    .165616     6.96   0.000     .8287625    1.477965
       /cut3 |    2.33195   .1734199    13.45   0.000     1.992053    2.671846
-------------+----------------------------------------------------------------
school       |
   var(_cons)|   .0735112   .0383106                      .0264695    .2041551
------------------------------------------------------------------------------
LR test vs. ologit regression:   chibar2(01) =    10.72 Prob>=chibar2 = 0.0005

. est stor m1

. meologit thk prethk cc##tv || school: || class:

Fitting fixed-effects model:

Iteration 0:   log likelihood =  -2212.775  
Iteration 1:   log likelihood =  -2125.509  
Iteration 2:   log likelihood = -2125.1034  
Iteration 3:   log likelihood = -2125.1032  

Refining starting values:

Grid node 0:   log likelihood = -2152.1514

Fitting full model:

Iteration 0:   log likelihood = -2152.1514  (not concave)
Iteration 1:   log likelihood = -2125.9213  (not concave)
Iteration 2:   log likelihood = -2120.1861  
Iteration 3:   log likelihood = -2115.6177  
Iteration 4:   log likelihood = -2114.5896  
Iteration 5:   log likelihood = -2114.5881  
Iteration 6:   log likelihood = -2114.5881  

Mixed-effects ologit regression                 Number of obs      =      1600

-----------------------------------------------------------
                |   No. of       Observations per Group
Group Variable |   Groups    Minimum    Average    Maximum
----------------+------------------------------------------
         school |       28         18       57.1        137
          class |      135          1       11.9         28
-----------------------------------------------------------

Integration method: mvaghermite                 Integration points =         7

                                                Wald chi2(4)       =    124.39
Log likelihood = -2114.5881                     Prob > chi2        =    0.0000
------------------------------------------------------------------------------
         thk |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      prethk |   .4085273    .039616    10.31   0.000     .3308814    .4861731
        1.cc |   .8844369   .2099124     4.21   0.000     .4730161    1.295858
        1.tv |    .236448   .2049065     1.15   0.249    -.1651614    .6380575
             |
       cc#tv |
        1 1  |  -.3717699   .2958887    -1.26   0.209     -.951701    .2081612
-------------+----------------------------------------------------------------
       /cut1 |  -.0959459   .1688988    -0.57   0.570    -.4269815    .2350896
       /cut2 |   1.177478   .1704946     6.91   0.000     .8433151    1.511642
       /cut3 |   2.383672   .1786736    13.34   0.000     2.033478    2.733865
-------------+----------------------------------------------------------------
school       |
   var(_cons)|   .0448735   .0425387                      .0069997    .2876749
-------------+----------------------------------------------------------------
school>class |
   var(_cons)|   .1482157   .0637521                       .063792    .3443674
------------------------------------------------------------------------------
LR test vs. ologit regression:       chi2(2) =    21.03   Prob > chi2 = 0.0000

Note: LR test is conservative and provided only for reference.

. est stor m2


. estimates table m1 m2, b(%7.4f) se(%7.4f) stats(N r2_a)

----------------------------------
    Variable |   m1        m2     
-------------+--------------------
thk          |
      prethk |  0.4033    0.4085  
             |  0.0389    0.0396  
             |
          cc |
          1  |  0.9238    0.8844  
             |  0.2041    0.2099  
             |
          tv |
          1  |  0.2750    0.2364  
             |  0.1977    0.2049  
             |
       cc#tv |
        1 1  | -0.4659   -0.3718  
             |  0.2846    0.2959  
-------------+--------------------
cut1         |
       _cons | -0.0884   -0.0959  
             |  0.1641    0.1689  
-------------+--------------------
cut2         |
       _cons |  1.1534    1.1775  
             |  0.1656    0.1705  
-------------+--------------------
cut3         |
       _cons |  2.3319    2.3837  
             |  0.1734    0.1787  
-------------+--------------------
var(_cons[~) |
       _cons |  0.0735    0.0449  
             |  0.0383    0.0425  
-------------+--------------------
var(_cons[~) |
       _cons |            0.1482  
             |            0.0638  
-------------+--------------------
Statistics   |                    
           N |    1600      1600  
        r2_a |                    
----------------------------------
                      legend: b/se

蓝色 发表于 2014-12-16 07:51
没有问题

. webuse tvsfpors

多谢版主回复！esttab是个user-written命令，是estout下的子命令，不同于est tab。

请问各位这个是什么意思？
LR test vs. ologit model: chibar2(01) = 188.07        Prob >= chibar2 = 0.0000