oprobit、goprobit、regoprob、xtprobit简介理论和应用

junling_5216 发表于 2009-12-25 11:26 由于新版本都是免安装的，我怕是软件本身的问题。所以我刚安装了个statat8版，可以出来结果。但是又一个问题为什么变量放的少些时可以估计出来结果，多了就不行了。是数据本身的问题，还是软件处理的问题。我就是放的你给我随机生成的数据。regoprob y x1 x2,i(id)  可以；但是regoprob y x1 x2  x3 x4,i(id)就报道出来没有观察值。你做了吗，出现什么情况，我想是不是我的软件本身的问题？？？谢谢你！

个人感觉应该不主要是软件的问题。换了变量（或其观测值），涉及的估计的计算内容就不一样了，当然可能有的出结果，有的无结果。

junling_5216 发表于 2009-12-25 11:26
由于新版本都是免安装的，我怕是软件本身的问题。所以我刚安装了个statat8版，可以出来结果。但是又一个问题为什么变量放的少些时可以估计出来结果，多了就不行了。是数据本身的问题，还是软件处理的问题。我就是放的你给我随机生成的数据。regoprob y x1 x2,i(id)  可以；但是regoprob y x1 x2  x3 x4,i(id)就报道出来没有观察值。你做了吗，出现什么情况，我想是不是我的软件本身的问题？？？谢谢你！ 17# sungmoo

i(id)表示什么意思

fentone 发表于 2009-12-25 13:23 i(id)表示什么意思

以id为panel data的分组（或个体）变量。

谢谢你。我再试试。反正是既然能有的算出来结果，说明可估。目前就是数据的问题。呵呵，还有个问题想请教，就是边际概率效应值是怎么估计出来的，命令MFX如何具体写啊，我也找不到Long(2001）的资料，据说是有关这方面介绍的。我对使用stata还是不熟悉，请见谅，希望您能再给指导。给发些资料。[email=fanqingquan@yahoo.cn;另外有关regoprob的实例数据我向老外作者要了，不清楚人家有没有时间或者方不方便给数据。祝版主圣诞节快日，辛苦了。fanqingquan@yahoo.cn;另外有关regoprob的实例数据我向老外作者要了，不清楚人家有没有时间或者方不方便给数据。祝版主圣诞节快日，辛苦了。[b[/email]] 21# sungmoo

regoprob y x1-x4,i(id)

Fitting constant-only model:

Iteration 0:   log likelihood = -1435.1562  (not concave)
Iteration 1:   log likelihood =  -1416.286  
Iteration 2:   log likelihood = -1369.8608  (not concave)
Iteration 3:   log likelihood = -1368.9282  
Iteration 4:   log likelihood = -1368.8875  
Iteration 5:   log likelihood = -1368.8875  

Fitting full model:

Iteration 0:   log likelihood = -1427.5407  (not concave)
Iteration 1:   log likelihood = -1419.9814  (not concave)
Iteration 2:   log likelihood =  -1363.951  
Iteration 3:   log likelihood =  -1361.945  
Iteration 4:   log likelihood =  -1361.943  (not concave)
Iteration 5:   log likelihood =  -1361.943  

Random Effects Generalized Ordered Probit         Number of obs   =       1000
                                                  LR chi2(12)     =      -9.07
Log likelihood =  -1361.943                       Prob > chi2     =     1.0000

------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
mleq1        |
          x1 |  -.0857007   .1432273    -0.60   0.550    -.3664211    .1950197
          x2 |  -.2557927   .1458197    -1.75   0.079     -.541594    .0300086
          x3 |  -.1914822    .142547    -1.34   0.179    -.4708691    .0879047
          x4 |  -.0887955   .1471338    -0.60   0.546    -.3771724    .1995814
       _cons |   .4996052   46.33875     0.01   0.991    -90.32268    91.32189
-------------+----------------------------------------------------------------
mleq2        |
          x1 |   .0150964   .1386386     0.11   0.913    -.2566303     .286823
          x2 |   .0043671   .1405979     0.03   0.975    -.2711998    .2799339
          x3 |  -.1451427   .1382748    -1.05   0.294    -.4161563    .1258709
          x4 |   .1023076   .1427602     0.72   0.474    -.1774972    .3821125
       _cons |   -.587587   46.33874    -0.01   0.990    -91.40984    90.23467
-------------+----------------------------------------------------------------
mleq3        |
          x1 |  -.0960871   .1560995    -0.62   0.538    -.4020365    .2098622
          x2 |   .0951107   .1578431     0.60   0.547    -.2142561    .4044775
          x3 |   .1087849   .1540348     0.71   0.480    -.1931178    .4106876
          x4 |   .0034037   .1590347     0.02   0.983    -.3082986    .3151059
       _cons |  -1.191301    46.3388    -0.03   0.979    -92.01368    89.63108
-------------+----------------------------------------------------------------
rho          |
       _cons |   .3681392   63.55257     0.01   0.995    -124.1926    124.9289
------------------------------------------------------------------------------
谁能解释一下这个结果吗?

. goprobit y x1-x4

Iteration 0:   log likelihood = -1364.3505  
Iteration 1:   log likelihood = -1357.4988  
Iteration 2:   log likelihood = -1357.4061  
Iteration 3:   log likelihood = -1357.4061  

Generalized Ordered Probit Estimates              Number of obs   =       1000
                                                  LR chi2(12)     =      13.89
Log likelihood = -1357.4061                       Prob > chi2     =     0.3079

------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
mleq1        |
          x1 |   -.085705   .1432272    -0.60   0.550     -.366425    .1950151
          x2 |  -.2557969   .1458195    -1.75   0.079    -.5415979    .0300041
          x3 |   -.191487   .1425468    -1.34   0.179    -.4708737    .0878997
          x4 |  -.0888005   .1471336    -0.60   0.546    -.3771771    .1995762
       _cons |   .8388252   .1529905     5.48   0.000     .5389693    1.138681
-------------+----------------------------------------------------------------
mleq2        |
          x1 |   .0151004   .1386384     0.11   0.913     -.256626    .2868267
          x2 |   .0043704   .1405978     0.03   0.975    -.2711962     .279937
          x3 |  -.1451391   .1382746    -1.05   0.294    -.4161525    .1258742
          x4 |   .1023124   .1427601     0.72   0.474    -.1774922     .382117
       _cons |  -.2483814   .1482034    -1.68   0.094    -.5388548     .042092
-------------+----------------------------------------------------------------
mleq3        |
          x1 |  -.0960845   .1560994    -0.62   0.538    -.4020337    .2098646
          x2 |   .0951118    .157843     0.60   0.547    -.2142548    .4044785
          x3 |   .1087871   .1540347     0.71   0.480    -.1931154    .4106896
          x4 |   .0034064   .1590346     0.02   0.983    -.3082956    .3151085
       _cons |  -.8520915    .166328    -5.12   0.000    -1.178088   -.5260947
------------------------------------------------------------------------------
做出来结果,但不知道是什么意思?请高手相助,解释一下

oprobit y x1-x4

Iteration 0:   log likelihood = -1364.3505
Iteration 1:   log likelihood = -1363.6934
Iteration 2:   log likelihood = -1363.6934

Ordered probit regression                         Number of obs   =       1000
                                                  LR chi2(4)      =       1.31
                                                  Prob > chi2     =     0.8590
Log likelihood = -1363.6934                       Pseudo R2       =     0.0005

------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
          x1 |  -.0624338   .1188711    -0.53   0.599    -.2954169    .1705494
          x2 |  -.0803227    .120152    -0.67   0.504    -.3158163    .1551708
          x3 |  -.0908169    .117516    -0.77   0.440    -.3211441    .1395103
          x4 |  -.0063075   .1215458    -0.05   0.959     -.244533     .231918
-------------+----------------------------------------------------------------
       /cut1 |  -.6448426   .1280714                     -.8958579   -.3938274
       /cut2 |   .1391021   .1269439                     -.1097033    .3879075
       /cut3 |   .6764361   .1286613                      .4242646    .9286076
请高手解释一下结果

请问用的是stata的哪个版本的？？能给我发过来吗？[email=fanqingquan@yahoo.cnfanqingquan@yahoo.cn[b[/email]] 25# fentone

支持一下，qq 1034843713

东西是好，可是太贵