楼主: scbesuty
2147 9

[回归分析求助] ologit [推广有奖]

  • 1关注
  • 0粉丝

高中生

25%

还不是VIP/贵宾

-

0%
威望
0 级
论坛币
464 个
通用积分
1.0004
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
317 点
帖子
23
精华
0
在线时间
20 小时
注册时间
2016-3-30
最后登录
2020-10-10
楼主
scbesuty 发表于 2017-7-17 16:10:41 |AI写论文
1论坛币
Y只有2个取值，但是有顺序，可以用ologit?

最佳答案

黃河泉 查看完整内容

若只有两个值，你用 logit 或 ologit 所得之结果会一样！所以，don't bother.
分享0
关键词：ologit logit Log

相关帖子

沙发
黃河泉 在职认证  发表于 2017-7-17 16:10:42
若只有两个值，你用 logit 或 ologit 所得之结果会一样！所以，don't bother.
藤椅
蓝色 发表于 2017-7-17 16:38:35
自己执行一下试试就知道了啊

  1. sysuse auto,clear
  2. logit foreign price headroom trunk weight length
  3. ologit foreign price headroom trunk weight length
  4. gen y= foreign+1
  5. ologit y price headroom trunk weight length
复制代码




  1. . sysuse auto,clear
  2. (1978 Automobile Data)

  4. . logit foreign price headroom trunk weight length

  6. Iteration 0:   log likelihood =  -45.03321  
  7. Iteration 1:   log likelihood = -22.252848  
  8. Iteration 2:   log likelihood = -18.466695  
  9. Iteration 3:   log likelihood =  -17.71219  
  10. Iteration 4:   log likelihood = -17.686991  
  11. Iteration 5:   log likelihood = -17.686895  
  12. Iteration 6:   log likelihood = -17.686895  

  14. Logistic regression                               Number of obs   =         74
  15.                                                   LR chi2(5)      =      54.69
  16.                                                   Prob > chi2     =     0.0000
  17. Log likelihood = -17.686895                       Pseudo R2       =     0.6072

  19. ------------------------------------------------------------------------------
  20.      foreign |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
  21. -------------+----------------------------------------------------------------
  22.        price |   .0009584   .0003059     3.13   0.002     .0003589    .0015579
  23.     headroom |   .3909373   .8763807     0.45   0.656    -1.326737    2.108612
  24.        trunk |  -.0371263   .1756751    -0.21   0.833    -.3814432    .3071905
  25.       weight |  -.0074835   .0029518    -2.54   0.011     -.013269   -.0016981
  26.       length |   .0593252    .084292     0.70   0.482    -.1058841    .2245345
  27.        _cons |   1.953475   9.808726     0.20   0.842    -17.27127    21.17822
  28. ------------------------------------------------------------------------------

  30. . ologit foreign price headroom trunk weight length

  32. Iteration 0:   log likelihood =  -45.03321  
  33. Iteration 1:   log likelihood = -22.252848  
  34. Iteration 2:   log likelihood = -18.466695  
  35. Iteration 3:   log likelihood =  -17.71219  
  36. Iteration 4:   log likelihood = -17.686991  
  37. Iteration 5:   log likelihood = -17.686895  
  38. Iteration 6:   log likelihood = -17.686895  

  40. Ordered logistic regression                       Number of obs   =         74
  41.                                                   LR chi2(5)      =      54.69
  42.                                                   Prob > chi2     =     0.0000
  43. Log likelihood = -17.686895                       Pseudo R2       =     0.6072

  45. ------------------------------------------------------------------------------
  46.      foreign |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
  47. -------------+----------------------------------------------------------------
  48.        price |   .0009584   .0003059     3.13   0.002     .0003589    .0015579
  49.     headroom |   .3909373   .8763807     0.45   0.656    -1.326737    2.108612
  50.        trunk |  -.0371263   .1756751    -0.21   0.833    -.3814432    .3071905
  51.       weight |  -.0074835   .0029518    -2.54   0.011     -.013269   -.0016981
  52.       length |   .0593252    .084292     0.70   0.482    -.1058841    .2245345
  53. -------------+----------------------------------------------------------------
  54.        /cut1 |  -1.953475   9.808726                     -21.17822    17.27127
  55. ------------------------------------------------------------------------------

  57. . gen y= foreign+1

  59. . ologit y price headroom trunk weight length

  61. Iteration 0:   log likelihood =  -45.03321  
  62. Iteration 1:   log likelihood = -22.252848  
  63. Iteration 2:   log likelihood = -18.466695  
  64. Iteration 3:   log likelihood =  -17.71219  
  65. Iteration 4:   log likelihood = -17.686991  
  66. Iteration 5:   log likelihood = -17.686895  
  67. Iteration 6:   log likelihood = -17.686895  

  69. Ordered logistic regression                       Number of obs   =         74
  70.                                                   LR chi2(5)      =      54.69
  71.                                                   Prob > chi2     =     0.0000
  72. Log likelihood = -17.686895                       Pseudo R2       =     0.6072

  74. ------------------------------------------------------------------------------
  75.            y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
  76. -------------+----------------------------------------------------------------
  77.        price |   .0009584   .0003059     3.13   0.002     .0003589    .0015579
  78.     headroom |   .3909373   .8763807     0.45   0.656    -1.326737    2.108612
  79.        trunk |  -.0371263   .1756751    -0.21   0.833    -.3814432    .3071905
  80.       weight |  -.0074835   .0029518    -2.54   0.011     -.013269   -.0016981
  81.       length |   .0593252    .084292     0.70   0.482    -.1058841    .2245345
  82. -------------+----------------------------------------------------------------
  83.        /cut1 |  -1.953475   9.808726                     -21.17822    17.27127
  84. ------------------------------------------------------------------------------
复制代码



Stata常见问题解答https://bbs.pinggu.org/thread-272681-1-1.html

板凳
scbesuty 发表于 2017-7-17 16:51:32
蓝色 发表于 2017-7-17 16:38
自己执行一下试试就知道了啊
那我就用ologit模型可以吗？因为我的假设就是Y取n=0和L=1，且L比N要好，解释的时候也用“随着XX的增大，选择1的概率是0的XX倍”，这样可以吗？
报纸
scbesuty 发表于 2017-7-17 16:52:49
黃河泉 发表于 2017-7-17 16:38
若只有两个值，你用 logit 或 ologit 所得之结果会一样！所以，don't bother.
那我就用ologit模型可以吗？因为我的假设就是Y取n=0和L=1，且L比N要好，解释的时候也用“随着XX的增大，选择1的概率是0的XX倍”，这样可以吗？
地板
黃河泉 在职认证  发表于 2017-7-17 17:06:03
scbesuty 发表于 2017-7-17 16:51
那我就用ologit模型可以吗？因为我的假设就是Y取n=0和L=1，且L比N要好，解释的时候也用“随着XX的增大，选 ...
由于结果是一样的，我个人倾向用 logit，ologit 似乎（我不是此分面专家）较适合至少 (包括) 三个状况以上之情形。

7楼
scbesuty 发表于 2017-7-17 21:25:15
黃河泉 发表于 2017-7-17 17:06
由于结果是一样的，我个人倾向用 logit，ologit 似乎（我不是此分面专家）较适合至少 (包括) 三个状况以上 ...
终于懂了，如果是0，1，2则用ologit的时候，因为0，1，2是有序的，，，所以0和1拟合曲线之间的距离和1和2拟合曲线之间的距离不是等距的，所以 ologit回归的时候会有2个截距项，
所以取2个值的时候，无法体现这种距离，，，，

8楼
scbesuty 发表于 2017-7-17 21:25:34
蓝色 发表于 2017-7-17 16:38
自己执行一下试试就知道了啊
谢谢，，，
9楼
scbesuty 发表于 2017-7-17 21:26:53
scbesuty 发表于 2017-7-17 21:25
终于懂了，如果是0，1，2则用ologit的时候，因为0，1，2是有序的，，，所以0和1拟合曲线之间的距离和1和2 ...
就和logit结果一样，
10楼
黃河泉 在职认证  发表于 2017-7-18 07:46:16
scbesuty 发表于 2017-7-17 21:25
终于懂了，如果是0，1，2则用ologit的时候，因为0，1，2是有序的，，，所以0和1拟合曲线之间的距离和1和2 ...
Great to hear that.
返回列表
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, 2025-12-29 18:24