如果你的样本量很大,而且有很多解释变量,那么跑Logit确实会很慢。以下是一些可以尝试的方法:
精简数据集:如果你的数据集中有很多无用的变量或者变量之间高度相关,可以尝试精简数据集,只保留重要的变量。
使用并行计算:如果你的计算机有多个处理器,可以尝试使用并行计算,加快模型拟合的速度。在Stata中,可以使用命令“estat vce(bootstrap)”实现并行计算。
使用其他软件:如果你的数据集非常大,可以尝试使用其他软件,如R、Python等,它们的处理能力更强大。
考虑模型选择:如果你使用的模型是多项Logit或者混合Logit等较为复杂的模型,可以尝试使用其他更简单的模型,如Logistic回归等。
考虑参数初始化:如果你已经尝试了上述方法,仍然不能得到结果,可以尝试给模型的参数提供一个好的初始化值,这可能有助于模型更快地收敛。在Stata中,可以使用命令“mleinit”来进行参数初始化。
考虑使用其他的拟合算法:除了logit,Stata还支持一些其他的拟合算法,如probit、nlogit等。你可以尝试使用这些算法,看看是否能够更快地得到结果。
总之,如果你的数据集非常大,跑Logit确实会很慢,可以尝试上述方法来加快拟合速度。