做logit模型，出现outcome does not vary; remember:

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

在做logit有条件回归时，出现了outcome does not vary; remember:
                                  0 = negative outcome,
        all other nonmissing values = positive outcome
   r(2000)
这样的结果。想知道如何解决。自己查看帖子https://bbs.pinggu.org/thread-3937372-1-1.html ，看了一下因变量，也没啥问题。所以特来请教诸位。特附上部分数据，谢谢大家！

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3 回帖

关键词：remember outcome logit模型 Member logit

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input int year float nation_code byte siccode float(firm rep_dum WLagOWN WLagMTB RND)
   
4. 2007 840 34  1 1  2.15  -99.99208 1
   
5. 2013 840 34  1 1  1.72   .2194776 1
   
6. 2002 840 20  3 0 44.57   1.520768 0
   
7. 2003 840 20  3 0 32.62  .25799018 0
   
8. 2004 840 20  3 0 54.22  -1.856191 0
   
9. 2009 840 20  3 0   .28  -2.624291 0
   
10. 2011 840 20  3 0   .21  -19.50545 0
    
11. 2012 840 20  3 0   .19  -7.770316 0
    
12. 2013 840 20  3 0 29.46  -6.606782 0
    
13. 2014 840 20  3 0 29.33  -6.882248 0
    
14. 2015 840 20  3 0 29.33   -6.18982 0
    
15. 2016 840 20  3 0 29.83  -99.99208 0
    
16. 1998 840 14  6 0  5.94  4.5999737 0
    
17. 2000 840 14  6 0    20  -2.662495 0
    
18. 2001 840 14  6 0 24.39   40.57328 0
    
19. 2002 840 14  6 0    14  -6.290688 0
    
20. 2009 840 14  6 0 43.81   8.963164 0
    
21. 2010 840 14  6 0 13.33 -2.8147256 0
    
22. 2011 840 14  6 0 26.12  14.638345 0
    
23. 2012 840 14  6 0    .3   2.521485 0
    
24. 2013 840 14  6 0   .82  -4.912722 0
    
25. 2014 840 14  6 0   .98  -3.287943 0
    
26. 2003 840 67  8 0 17.73  .19506977 0
    
27. 2004 840 67  8 0  3.36 -1.9809046 0
    
28. 2005 840 67  8 0  3.75   70.63919 0
    
29. 2007 840 52  9 1 13.06   5.899615 1
    
30. 2009 840 52  9 1   .65  -.5751727 1
    
31. 2000 484 20 10 0 48.12  -8.003188 0
    
32. 2009 484 20 10 0 80.46  -2.069041 0
    
33. 2010 484 20 10 0 80.46 -4.2956066 0
    
34. 2012 484 20 10 0 60.84  -8.995123 0
    
35. 2013 484 20 10 0  80.4  -8.914581 0
    
36. 2013 376 36 11 0 24.46  -1.992262 0
    
37. 2014 376 36 11 0 24.01 -10.936963 0
    
38. 2015 376 36 11 0 23.75 -19.984983 0
    
39. 2016 376 36 11 0 23.53  -9.595164 0
    
40. 1999 840 36 12 1 21.77 -.26804984 1
    
41. 2000 840 36 12 1 11.22   17.01928 1
    
42. 2001 840 36 12 1 30.95  10.732036 1
    
43. 2002 840 36 12 1 42.48  12.679802 1
    
44. 2006 840 36 12 1 37.57   4.349146 1
    
45. 2005  76 35 15 0 28.75   14.97458 0
    
46. 2006  76 35 15 0 28.75  -68.56188 0
    
47. 2013  76 35 15 0 34.85   4.337695 0
    
48. 2014  76 35 15 0  9.25   7.273692 0
    
49. 2016  76 35 15 0 48.35  11.891703 0
    
50. 2010 597 20 16 0 87.17  1.1008701 0
    
51. 2011 597 20 16 0 87.17 -1.7850466 0
    
52. 2012 597 20 16 0 87.17  1.4501418 0
    
53. 2013 597 20 16 0 87.17  3.0871615 0
    
54. 2014 597 20 16 0 87.17   16.95003 0
    
55. 2016 597 20 16 0 87.17  119.29295 0
    
56. 2007  76 49 20 0 95.28   1.936395 0
    
57. 2009  76 49 20 0 95.28  -.2615356 0
    
58. 2010  76 49 20 0 95.28  -4.806947 0
    
59. 2011  76 49 20 0 95.28  -6.013446 0
    
60. 2012  76 49 20 0 95.28  -7.166973 0
    
61. 2013  76 49 20 0    .1  -2.648894 0
    
62. 2012  76 39 23 1   .52   4.408892 1
    
63. 1994  76 49 25 0 76.45   44.54568 0
    
64. 1996  76 49 25 0 75.97  30.518696 0
    
65. 1997  76 49 25 0 75.03     46.853 0
    
66. 1998  76 49 25 0 71.36  -28.95149 0
    
67. 1999  76 49 25 0 69.34   95.14165 0
    
68. 2000  76 49 25 0  68.4   19.64806 0
    
69. 2001  76 49 25 0 69.51  12.719018 0
    
70. 2002  76 49 25 0 64.61   6.870582 0
    
71. 2003  76 49 25 0    69  4.3735843 0
    
72. 2004  76 49 25 0 65.16   5.614494 0
    
73. 2005  76 49 25 0 65.08  12.792622 0
    
74. 2007  76 49 25 0 58.22  -7.158637 0
    
75. 2009  76 49 25 0 58.07   6.496743 0
    
76. 2010  76 49 25 0 60.06   6.655124 0
    
77. 2011  76 49 25 0  63.4   11.00616 0
    
78. 2013  76 49 25 0 62.64   9.153386 0
    
79. 2014  76 49 25 0 74.21   14.28803 0
    
80. 2015  76 49 25 0 54.84   22.47213 0
    
81. 2016  76 49 25 0 56.87   10.65061 0
    
82. 2005 246 73 28 0 63.87 -.45252195 0
    
83. 2006 246 73 28 1 66.37 -.16559348 1
    
84. 2009 246 73 28 1 71.89  1.9541805 1
    
85. 2010 246 73 28 1 67.31 -1.9535074 1
    
86. 2016 246 73 28 1 80.19  4.2316666 1
    
87. 2011  76 37 29 0 12.85  1.5695586 0
    
88. 2014  76 37 29 0  5.44  .12058585 0
    
89. 2015  76 37 29 0  5.41  -.2518926 0
    
90. 2016  76 37 29 0   5.4 -1.9034582 0
    
91. 2009  76 34 34 0 30.11   .3646025 0
    
92. 2015  76 34 34 0 21.19  2.2976255 0
    
93. 2002  76 37 38 1 74.84  1.9094994 1
    
94. 2005  76 37 38 0  1.16  -4.872858 0
    
95. 2006  76 37 38 0 35.61  -9.386972 0
    
96. 2013  76 37 38 0 33.31  -3.239281 0
    
97. 2014  76 37 38 0 37.31   .4764483 0
    
98. 2015  76 37 38 0 37.31  2.6555045 0
    
99. 2003  76 22 42 0 34.63   .7075561 0
    
100. 2005  76 22 42 0 35.27   .9998877 0
     
101. 2006  76 22 42 0 35.27  1.3594035 0
     
102. 2009  76 22 42 0 69.79  -.9378632 0
     
103. 2011  76 22 42 0 60.84  -.0381926 0
     
104. end

复制代码

你的模型的命令写出来
否则别人怎么知道做的什么回归
哪个是自变量，因变量

logit rep_dum 自变量1 自变量2 i.siccode i.year if RND==1, cluster ( nation_code )
这样就显示r(2000).
如果是logit RND 自变量1 自变量2 i.siccode i.year , cluster ( nation_code )
rep_dum和RND都是dummy变量

蓝色 发表于 2019-6-20 12:29
你的模型的命令写出来
否则别人怎么知道做的什么回归
哪个是自变量，因变量

您好，已附上模型

. tab rep_dum  RND

           |          RND
   rep_dum |         0          1 |     Total
-----------+----------------------+----------
         0 |        85          0 |        85
         1 |         0         15 |        15
-----------+----------------------+----------
     Total |        85         15 |       100

你的y就没有变异
rnd=1的时候repdum都是1，没有取0的值

问题应该出现在因变量上，我的问题是y应该是0-1结果我的y是1-2

蓝色 发表于 2019-6-20 13:04
. tab rep_dum  RND

           |          RND

老师我的 因变量变异了， 取值为0的约600 取值为1的为6000，也是显示r(2000)，是不是因为 600/6000太不均衡了

毛桂蓉 发表于 2022-2-27 12:35
老师我的 因变量变异了， 取值为0的约600 取值为1的为6000，也是显示r(2000)，是不是因为 600/6000太不均 ...

0/1 样本量不平衡