为什么控制行业后，不报告 Wald chi2

如下图，做的是GEE模型，原先没有控制行业，会报告报告 Wald chi2；控制了行业以后，不报告报告 Wald chi2，看了help没看懂，求大神解释

这是没有控制行业
GEE population-averaged model                   Number of obs      =      4619
Group variable:                      stkcd      Number of groups   =      1761
Link:                             identity      Obs per group: min =         1
Family:                           Gaussian                     avg =       2.6
Correlation:                  exchangeable                     max =         4
                                                Wald chi2(16)      =   5786.17
Scale parameter:                  .2521101      Prob > chi2        =    0.0000
                                  (Std. Err. adjusted for clustering on stkcd)
------------------------------------------------------------------------------
             |               Robust
     excess3 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     excess3 |
         L1. |   .8239758   .0116747    70.58   0.000     .8010939    .8468577
             |
   instshare |
         L1. |    .010215   .0284146     0.36   0.719    -.0454766    .0659067
             |
          mb |
         L1. |    -.00102   .0029982    -0.34   0.734    -.0068964    .0048563
             |
         age |
         L1. |   .0051386   .0013602     3.78   0.000     .0024727    .0078046
             |
   _1stshare |
         L1. |   .0365347   .0360073     1.01   0.310    -.0340383    .1071076
             |
     duality |
         L1. |    .040558   .0146249     2.77   0.006     .0118938    .0692222
             |
    leverage |
         L1. |  -.0201919    .027276    -0.74   0.459    -.0736518     .033268
             |
  boardshare |
         L1. |  -.0452575   .0381067    -1.19   0.235    -.1199452    .0294301
             |
lnboardsize |
         L1. |   .0372811    .031684     1.18   0.239    -.0248184    .0993806
             |
independence |
         L1. |    .227633   .1122476     2.03   0.043     .0076317    .4476343
             |
         soe |
         L1. |  -.0380747   .0134536    -2.83   0.005    -.0644433   -.0117062
             |
   nrmdegree |
         L1. |    .073699   .0406658     1.81   0.070    -.0060045    .1534025
             |
   lnoverlap |
         L1. |   -.014354   .0087102    -1.65   0.099    -.0314257    .0027177
             |
       year2 |          0  (omitted)
       year3 |          0  (omitted)
       year4 |  -.0132148   .0185102    -0.71   0.475    -.0494941    .0230646
       year5 |   .0037908    .024105     0.16   0.875    -.0434541    .0510358
       year6 |  -.0400167   .0189373    -2.11   0.035     -.077133   -.0029003
       _cons |   .1356121   .1304987     1.04   0.299    -.1201606    .3913849
------------------------------------------------------------------------------

这是控制了行业之后  就不报告 Wald chi2  说模型可能有问题？

GEE population-averaged model                   Number of obs      =      4619
Group variable:                      stkcd      Number of groups   =      1761
Link:                             identity      Obs per group: min =         1
Family:                           Gaussian                     avg =       2.6
Correlation:                  exchangeable                     max =         4
                                                Wald chi2(31)      =         .
Scale parameter:                  .2484513      Prob > chi2        =         .
                                  (Std. Err. adjusted for clustering on stkcd)
------------------------------------------------------------------------------
             |               Robust
     excess3 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     excess3 |
         L1. |   .8090153   .0123802    65.35   0.000     .7847505    .8332801
             |
   instshare |
         L1. |   .0097842   .0281082     0.35   0.728    -.0453069    .0648754
             |
          mb |
         L1. |   .0020135   .0032033     0.63   0.530    -.0042648    .0082917
             |
         age |
         L1. |   .0045311   .0014789     3.06   0.002     .0016326    .0074296
             |
   _1stshare |
         L1. |   .0378289   .0366495     1.03   0.302    -.0340028    .1096606
             |
     duality |
         L1. |    .043022    .014705     2.93   0.003     .0142007    .0718433
             |
    leverage |
         L1. |  -.0406354    .030434    -1.34   0.182     -.100285    .0190142
             |
  boardshare |
         L1. |  -.0555818   .0380719    -1.46   0.144    -.1302014    .0190378
             |
lnboardsize |
         L1. |   .0524242   .0325266     1.61   0.107    -.0113267     .116175
             |
independence |
         L1. |   .2333201   .1108073     2.11   0.035     .0161418    .4504984
             |
         soe |
         L1. |  -.0379143   .0134215    -2.82   0.005    -.0642199   -.0116088
             |
   nrmdegree |
         L1. |   .0550519   .0416707     1.32   0.186    -.0266213     .136725
             |
   lnoverlap |
         L1. |  -.0120499    .008827    -1.37   0.172    -.0293506    .0052507
             |
   industry2 |  -.0217869    .048021    -0.45   0.650    -.1159063    .0723325
   industry3 |   .0536564   .0391511     1.37   0.171    -.0230784    .1303912
   industry4 |   .0204298   .0431506     0.47   0.636    -.0641439    .1050035
   industry5 |   .0742944   .0439032     1.69   0.091    -.0117542    .1603431
   industry6 |   .0650961    .043184     1.51   0.132    -.0195429    .1497351
   industry7 |   .0810041   .0435096     1.86   0.063    -.0042732    .1662814
   industry8 |   .0945619    .078969     1.20   0.231    -.0602146    .2493384
   industry9 |   .0508076   .0450341     1.13   0.259    -.0374577    .1390728
  industry10 |   .1818389   .0434731     4.18   0.000     .0966331    .2670446
  industry11 |   .0356629    .049249     0.72   0.469    -.0608633    .1321891
  industry12 |   .0641571   .0801337     0.80   0.423    -.0929021    .2212162
  industry13 |   .0079661   .0542472     0.15   0.883    -.0983566    .1142887
  industry14 |   .0448863     .04331     1.04   0.300    -.0399997    .1297723
  industry15 |   .1083271   .0448095     2.42   0.016     .0205021    .1961521
  industry16 |   .0625016   .0681902     0.92   0.359    -.0711487    .1961519
  industry17 |   .1443289   .0727082     1.99   0.047     .0018234    .2868343
       year2 |          0  (omitted)
       year3 |          0  (omitted)
       year4 |  -.0261889   .0190297    -1.38   0.169    -.0634864    .0111086
       year5 |  -.0084612   .0244063    -0.35   0.729    -.0562968    .0393743
       year6 |  -.0426429   .0187494    -2.27   0.023     -.079391   -.0058948
--more--

the number of parameters must be less than the clusters. 所以应该是industry dummies太多的原因。

这个还没有研究出来为什么。

貌似因为你用了“Std. Err. adjusted for clustering on stkcd”，这个是正确的。

但是industry dummies太多了造成自由度不足。你可以想办法换一种更粗略一点的行业分类，减少industry dummies试试。

auirzxp 发表于 2015-4-14 01:29
the number of parameters must be less than the clusters. 所以应该是industry dummies太多的原因。

对的！  减少industry dummy之后就可以报告了，非常感谢！

Carrieme 发表于 2015-4-14 13:35
对的！  减少industry dummy之后就可以报告了，非常感谢！

学习一下，赞一个

Carrieme 发表于 2015-4-14 13:35
对的！  减少industry dummy之后就可以报告了，非常感谢！

您好，我也遇到了无法报告wald的问题，想请问一下，如果是年份固定的话，要怎么选择，使年份虚拟变量减少呢？谢谢！