回归时变量被自动删除的问题

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

reg income gender age2 age3 ........
age2,age3 均为0 1变量，reg后在回归结果前出现了如下note，有好几个变量都被自动删除了，600多个观察值最后只剩下110个。
note: gender != 0 predicts success perfectly
      gender dropped and 110 obs not used
note: age2 != 0 predicts success perfectly
      age2 dropped and 48 obs not used
...
而且，在回归结果中，有的变量的标准误、z值、p值都显示的是.    例如：
      ------------------------------------------------------------------------------
         m30 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      gender |  -.0301966          .        .       .            .           .

我检查了这些变量无缺失值，与因变量之间相关性很小， 不知道这是怎么回事？

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0 回帖

关键词：perfectly predicts Interval predict dropped

可否把数据贴一下（片段即可）？

income  gender  age1  age2 age3.....
2856           1           0          1        0
4900           1           1          0        0
3781           0           0          1        0
5600           1            1         1        1
3572           0            0         0        0
........

数据好像也没有什么规律
    Variable |       Obs        Mean    Std. Dev.       Min        Max
-------------+--------------------------------------------------------
              inc |      602    4075.209    4518.862  -1567.657   60137.46
      gender |      602    .4950033    .5000583          0          1
        age1 |      602    .6625583    .4729157          0          1
        age2 |      602    .2318454    .4220811          0          1
        age3 |      602    .1055963    .3073714          0          1

寒武纪 发表于 2010-3-1 16:42 在回归结果中，有的变量的标准误、z值、p值都显示的是.

http://www.pinggu.org/bbs/thread-720208-1-1.html

寒武纪 发表于 2010-3-1 17:52
income  gender  age1  age2 age3.....
2856           1           0          1        0
4900           1           1          0        0
3781           0           0          1        0
5600           1            1         1        1
3572           0            0         0        0
........

数据好像也没有什么规律

最好能把这五个变量的所有观测值都贴出来。

是的，我的拟R2=1

把数据都贴出来就容易判断了

谢谢，刚才跟室友讨论出结果了，我后面还有个交互项。是交互项导致前面的变量出了问题。

蓝色 发表于 2010-3-1 19:11
把数据都贴出来就容易判断了

想问下老师，我也出现了类似的情况，能不能帮忙解释下？
note: gender != 0 predicts success perfectly
      gender dropped and 2 obs not used

note: 0.industry1 != 1 predicts success perfectly
      0.industry1 dropped and 1 obs not used

note: 0.industry10 != 1 predicts success perfectly
      0.industry10 dropped and 1 obs not used

note: 0.industry11 != 1 predicts failure perfectly
      0.industry11 dropped and 2 obs not used

note: fc1 != 1 predicts success perfectly
      fc1 dropped and 5 obs not used

note: outcome = compet < 1 predicts data perfectly except for
      compet == 1 subsample:
      compet dropped and 5 obs not used

Example generated by -dataex-. To install: ssc install dataex
clear
input double gender byte(industry1 industry10 industry11) double fc1
0 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 0
0 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 0
0 1 0 0 1
0 1 0 0 0
0 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 0
0 1 0 0 0
0 1 0 0 0
0 1 0 0 0
0 1 0 0 0
0 1 0 0 1
1 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
1 1 0 0 0
1 1 0 0 0
0 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 0 0 0 1
0 0 0 0 0
0 0 0 0 1
1 0 0 0 1
1 0 0 0 1
1 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 0
0 0 0 0 0
1 0 0 0 1
0 0 0 0 0
1 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 0
0 0 0 0 0
0 0 0 0 1
0 0 0 0 0
0 0 0 0 1
1 0 0 0 1
0 0 0 0 1
end
[/CODE]

在你的回归分析中，出现了“predicts success perfectly”的note，这表明某些变量（如gender、age2）与因变量（可能这里指的是income）存在完全相关性。这意味着当你包含这些变量时，它们的系数将变为无穷大，标准误为零，导致Stata自动删除这些变量以避免出现统计问题。

关于观察值减少的问题，每次有变量被删除，所有该变量取值为0的观测值也会被排除，因为它们无法提供信息。所以从600多个观察值减到110个，可能是由于这些完全预测因变量的变量在数据集中存在大量为0的情况。

对于显示“.”的情况，这通常表示Stata无法计算标准误、z值和p值，可能是因为剩余的观测数量太少，或者模型中其他问题导致统计量无法估计。

为了解决这些问题，你可以考虑以下步骤：
1. 检查数据：确保没有遗漏或错误的数据输入。
2. 变量选择：重新审视你选择的自变量，看看是否有逻辑上的完全相关性，可能需要剔除一些不必要或者冗余的变量。
3. 分组处理：如果某些变量在特定群体中预测效果完美，可以考虑对不同群体分别进行回归分析。
4. 数据清理：删除那些导致完全预测的异常观测值，但要注意这可能会影响结果的代表性。

最后，建议使用更复杂的模型或方法（如交互项、分段回归等）来处理可能存在的复杂关系。如果问题依然存在，可能需要咨询统计专家或者进一步学习相关理论。

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