stata中如何检验数据是否过度离散

我的被解释变量是专利数，用泊松回归做实证研究的时候，如何判断被解释变量是否过度离散?在stata中有什么具体的检验方法及操作步骤吗?急需有人帮助!!

顶一个!!!

不要沉!!!

poisson pt2   dum  age roa lev size operate cfo capital gov i.year

Iteration 0:   log likelihood = -28227.281  
Iteration 1:   log likelihood = -28226.423  
Iteration 2:   log likelihood = -28226.423  

Poisson regression                                Number of obs   =       2133
                                                  LR chi2(15)     =   10273.81
                                                  Prob > chi2     =     0.0000
Log likelihood = -28226.423                       Pseudo R2       =     0.1540

------------------------------------------------------------------------------
         pt2 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         dum |   .1635767   .0111644    14.65   0.000     .1416949    .1854584
         age |  -.0324698   .0013101   -24.78   0.000    -.0350377    -.029902
         roa |   1.503742   .1176388    12.78   0.000     1.273174     1.73431
         lev |   .9426311   .0392267    24.03   0.000     .8657481    1.019514
        size |   .4724677   .0091371    51.71   0.000     .4545593     .490376
     operate |   .0351586   .0139943     2.51   0.012     .0077304    .0625869
         cfo |   1.146841   .0898092    12.77   0.000     .9708183    1.322864
     capital |  -.4363487   .0513254    -8.50   0.000    -.5369446   -.3357528
         gov |   .1537416   .0054779    28.07   0.000     .1430051    .1644782
             |
        year |
       2010  |   .3404344   .0512175     6.65   0.000     .2400499    .4408189
       2011  |   .4151901   .0500396     8.30   0.000     .3171142     .513266
       2012  |    .489913   .0495767     9.88   0.000     .3927444    .5870817
       2013  |   .4858881    .049648     9.79   0.000     .3885797    .5831964
       2014  |   .4114969   .0497309     8.27   0.000     .3140262    .5089676
       2015  |   .1628464   .0503434     3.23   0.001     .0641752    .2615177
             |
       _cons |  -10.05787   .1725622   -58.29   0.000    -10.39608   -9.719651
------------------------------------------------------------------------------

quyupang 发表于 2018-4-7 18:49
poisson pt2   dum  age roa lev size operate cfo capital gov i.year

Iteration 0:   log likelihood  ...

泊松回归结果是这样，请问可以用到论文中吗?泊松回归结果如何解读，主要看哪些指标?

你可以对被解释变量用sum y,detail，看看方差是否明显大于期望，如果是，即存在过度分散,那么考虑用负二项回归。因为泊松回归的局限是泊松分布的期望与方差一定相等，即均等分散，但这个特征常与实际数据不符。(cite:陈强,2013.高级计量经济学及stata应用(第二版),北京:高等教育出版社,p213-215.)

在Stata中，你可以使用McFadden的伪R或者Hausman的测试来检测泊松回归中的过度离散问题。如果伪R显著高于经典的线性模型（如逻辑斯谛回归）的R，或者Hausman检验拒绝原假设（即泊松模型是适当的），这可能表明你的数据存在过度离散的问题。

以下是具体的操作步骤：

1. 首先，使用`poisson`命令进行泊松回归：
   ```
   poisson patents covariates
   ```
   其中，`patents`是你的被解释变量（专利数），`covariates`是你所包含的解释变量。

2. 查看返回结果中的McFadden的伪R。默认情况下，Stata会在回归输出中显示它。如果这个值非常高（例如，远超过0.7），可能意味着过度离散。

3. 进行Hausman检验：
   ```
   estat overdisp
   ```
   如果这个检验拒绝原假设（即模型没有过度离散），那么你的数据可能存在过度离散问题。

4. 为了进一步确认，你可以考虑使用其他模型，如负二项回归或ZIP（零膨胀泊松）模型，并比较结果。例如：
   ```
   nbreg patents covariates, link(log)
   zipt poisson patents covariates
   ```

如果发现数据确实过度离散，你可能需要选择更适合的模型来分析你的数据，如上述的负二项回归或ZIP模型。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用