kuanleung

摘要： 面板数据变系数模型 前言 在这一篇文章中，我们将某些影响因素的作用范围扩大，这些因素不仅影响截距项的变动，而且也能影响到斜率项。因素的作用范围就可能有一下几种组合，单独影响截距，单独影响斜率，既影响截距又影响斜率，既不影响截距也不影响斜率（随机效应）。因素又区分为两类，时间因素与个体特质因素。推荐先 阅读全文

摘要： 面板数据处理 阅读全文

摘要： 面板数据处理 数据描述 数据预览： 告诉计算机这是面板数据： 描述变量： 查看其他变量： 绘图： 混合回归 聚类稳健标准误 cluster后的变量表示聚类标准，表示使用以state变量聚类的聚类稳健标准误。 普通稳健标准误 对比普通稳健标准误与聚类稳健标准误(std.err),普通稳健标准误小于聚类 阅读全文

摘要： 画曲线 import matplotlib.pylab as pyl import numpy as np x = np.linspace(0.01, 3.5, 100, endpoint=True) y = 1/x x1=x y1 = 2/x x2=x y2 = 3/x fig = pyl.fig 阅读全文

摘要： 归并回归 概念： 示例： ols回归 画图： 归并回归 需要单独安装插件： 归并数据的两部分模型 跨栏模型 概念 示例 使用全样本进行probit回归 上表中，P值小于0.05拒绝原假设，认为存在异方差 检验扰动项的正态性： 拒绝正态性原假设（上表我没看明白） 画一下核密度图： 含内生变量的tobi 阅读全文

摘要： 选择偏差与偶然断尾 概念 命令 样本选择MLE回归： Heckit的两步法估计 两个回归结果相似 阅读全文

摘要： 受限被解释变量 断尾回归 概念： 命令： 示例 首先进行回归，对工作时间大于零的进行回归 下面进行断尾回归 和普通回归比较，断尾回归的差异还是很明显的 零断尾泊松回归与负二项回归 命令 示例 进行零断尾泊松分布 下面进行NB2模型，为了使得模型快速收敛出结果，我们只将几个变量写入模型 随机前沿模型 阅读全文

摘要： 排序与计数模型 排序logit与probit probit logit 泊松分布 零膨胀泊松分布 计数模型 回归瞧一瞧 尝试泊松分布回归 为了和回归具有可比性，计算泊松回归的平均边际效应： 计算发生比率： 查看统计特性： 负二项回归： 阅读全文

摘要： 嵌套Logit 1.定义树形结构 2.显示树形结构 估计 笔记： 偷个懒，粘贴 阅读全文

摘要： 多值选择(probit与logit) 多项logit 演示： 这一点不懂，真不懂 显示相对风险比率 进行职业选择可能性的预测 选定基准 probit估计 注意：系数与logit不具有可比性，其预测的概率具有可比性 预测 条件logit与混合logit回归 条件回归 计算风险比率 or 条件logit 阅读全文