stata中用xtlogit实现多水平logit回归和将水平变量作为哑变量分析有何差别？

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

进行logistic回归分析的时候，自变量包括个体水平和地区水平，然后尝试了3种分析的方法：1）logistic回归，不包括地区变量；2）logistic回归，将地区变量作为哑变量纳入；3）xtlogit命令进行分析，xtlogit··· ,i(city) or,city表示不同的地区。分析结果如下：

	antechk5r	antechk5r	antechk5r
	b1	b2	b3
survey2	1.191	1.349	1.333
urban	3.045***	5.781***	5.610***
turban	0.393***	0.202***	0.218***
biragegr2	1.807	1.759	1.772
biragegr3	1.828	1.827	1.832
biragegr4	1.484	1.397	1.414
pone	1.226	1.417*	1.405*
ncd	0.913	0.831	0.834
hanmajor	0.355***	0.456**	0.447***
marital	1.342	1.762	1.719
edugr2	2.196	3.081**	3.051**
edugr3	2.241	3.208*	3.161*
edugr4	2.334	4.190**	4.019**
job	1.115	1.058	1.057
incomegr2	1.307	1.408*	1.392*
incomegr3	1.346	1.602**	1.568*
incomegr4	1.324	1.418	1.406
incomegr5	1.782**	1.737*	1.741*
cleanwater	1.284	0.736	0.754
hygtoilet	0.743*	0.863	0.85
htimegr	0.449***	0.452***	0.458***
nocover	0.559***	0.589**	0.582**
city2		4.229***
city3		0.701
city4		5.915***
city5		2.155**
city6		0.225***
city7		0.659
city8		3.944***
city9		3.060***

上面结果可以看到，xtlogit和将地区变量作为哑变量进行分析得到的结果是很相似的，而它们都与不纳入地区变量的分析结果差别较大。
我想问的是：1）在呈现上述结果的时候，是否应该选择xtlogit的结果，或者是考虑地区变量的结果，而不是没有考虑地区变量的结果，即应用b2和b3，不用b1；2）选择使用b2还是b3是不是有差别呢，b2可以看到各地区之间的具体差异，b3是否可以呢？

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：xtlogit logit Stata tata Log 回归分析 自变量

phwangying 发表于 2015-11-21 23:43
进行logistic回归分析的时候，自变量包括个体水平和地区水平，然后尝试了3种分析的方法：1）logistic回归， ...

建议楼主往这个方向想想，即为什么要在模型中加入地区变量呢？又为什么要用xtlogit命令呢？模型1是暗含的假设是所有地区都一样，所以不用控制。但通过模型2知道，地区间还是有差异的，且有些地区差异显著。所以模型2不管在统计意义上还是经济意义上都比模型1好。此外，看楼主用的命令，建模的数据应该是横截面数据，但楼主用xtlogit这一面板数据命令不知是为何？同理，如果是面板数据，不知为何要用logistic命令。

xddlovejiao1314 发表于 2015-11-22 07:29
建议楼主往这个方向想想，即为什么要在模型中加入地区变量呢？又为什么要用xtlogit命令呢？模型1是暗含的 ...

在模型中加入地区变量确实是考虑到不同的地区有所差异。只是，我一开始并没有去考虑数据类型，只把加入地区哑变量和xtlogit作为考虑地区差异的两种方法。横截面数据和面板数据的差异和分析我确实没有弄清楚。谢谢答主的提醒，我回去学习一下。

xtlogit是从面板Logit的角度来研究分层模型，这是之前分层模型没有专门的分类因变量的情况下使用的。现在有了专门的分析多水平logit的stata命令：meqrlogit，可以help meqrlogit。对于分类因变量的多水平模型，以下方式都可以实现：meqrlogit, gsem, cmp, xtlogit。感兴趣的可以去比较下结果的区别。