Modelos Logit de efeitos aleatórios O manual Stata possui dados sobre a adesão sindical da NLS para 4434 mulheres que foram 14-24 em 1968 e foram observadas entre 1 e 12 vezes. Nós lemos os dados da web e calculamos o southXt. Um termo de interação entre o sul e o ano centrado em 70. Estimativas de Logit Primeiro calculamos as estimativas de logit para comparação posterior, ajustando o mesmo modelo que no R xtlogit com erros padrão em cluster Interceptações aleatórias O próximo passo é ajustar um modelo de interceptações aleatórias e comparar os resultados Com exceção da idade, vemos que as estimativas específicas do sujeito são maiores em magnitude do que no modelo de logit marginal. As chances de estarem em uma união em 1970 são 69 menores para uma mulher que vive no sul do que para quem não, sendo o resto igual. O efeito diminuiu ao longo do tempo e, em 1988, as probabilidades de pertencer a uma união foram 53 menores no sul do que em outros lugares. Em contraste, o modelo logit estima o efeito como 51 menores chances em 1970 e 45 menores em 1988. Essas estimativas podem ser interpretadas como efeitos médios da população. Dado o quanto os coeficientes são diferentes, não faz muito sentido comparar erros padrão. De um modo geral, porém, eles aumentam à medida que se move do modelo logit para erros padrão robustos para as estimativas com base no modelo de interceptação aleatória. Correlação Intra-classe Stata informa a correlação intraclasse como 0.636. Esse coeficiente pertence a uma variável latente que reflete propensão a pertencer a uma união, em vez de se tornar uma associação manifestação sindical. A correlação entre essa propensão em dois anos para o mesmo indivíduo é de 0,64. Podemos também dizer que 64 da variância na propensão a pertencer a uma união podem ser atribuídos a indivíduos. Usando o comando xtrho, podemos calcular a correlação na associação real da união em dois anos para uma mulher com um preditor linear médio: estimamos uma probabilidade de 23 de pertencer a uma união em um determinado ano e 12 de pertencer em dois anos, muito Mais de um esperaria sob independência. A correlação é refletida em um odds ratio de 7,7, de modo que, para as mulheres na mediana, as chances de pertencer a uma união em t2 são 7,7 vezes maiores para aqueles que pertenciam a uma união em t1 do que para aqueles que não participaram. Pearsons r é 0,41 e Yules Q é 0,77. Essas medidas podem ser calculadas para mulheres cujas características observadas tornam mais ou menos provável que pertençam a uma união usando a opção de detalhe: a correlação medida pelo odds ratio ou Yules Q é maior quando as mulheres são menos propensas a pertencer a uma união , Mas o contrário é verdadeiro se alguém usa Pearsons r. Para uma discussão mais detalhada deste comando de pós-estimação, veja muito papel com Elo no Stata Journal 3 (1): 32--46 (2003), disponível aqui copiar 2017 Germaacuten Rodriacuteguez, Universidade de PrincetonNOTICE: O grupo de consultoria estatística IDRE será Migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisas Digitais e Educação Ajude o Grupo de Consultoria Estatal dando um presente Stata FAQ Qual é a relação entre xtreg-re, xtreg-fe e xtreg-be xtreg com suas várias opções executa análise de regressão em conjuntos de dados de painel. Nesta FAQ, tentaremos explicar as diferenças entre xtreg-re e xtreg-fe com um exemplo que é retirado da análise de variância. O exemplo (abaixo) tem 32 observações tomadas em oito assuntos, ou seja, cada assunto é observado quatro vezes. Os oito assuntos são uniformemente divididos em dois grupos de quatro. O design é um modelo misto com fatores internos e entre sujeitos. O fator dentro do assunto (b) tem quatro níveis eo fator entre sujeito (a) tem dois níveis. Para manter a análise simples, não consideraremos a interação ab. Começaremos por analisar o fator dentro do assunto usando xtreg-fe. A opção fe representa efeitos fixos que é realmente o mesmo que dentro dos assuntos. Observe que existem coeficientes somente para as variáveis de assuntos internos (efeitos fixos). Seguindo o xtreg, usaremos o comando de teste para obter o teste de três graus de liberdade dos níveis de b. Em seguida, usaremos a opção be para analisar o efeito entre os assuntos. Desta vez, note que apenas o coeficiente para a é dado, pois representa o efeito entre os assuntos. Agora é hora de obter o interior e o meio com um único comando xtreg-re. Observe que agora há estimativas para aa e b. Uma vez que o comando de teste xtreg-re nos dá um chi-quadrado e não uma relação F, temos que redimensionar o qui-quadrado dividindo-se pelos graus de liberdade. Os coeficientes e teste para o modelo re são os mesmos que os coeficientes e teste dos modelos separados fe e ser. O modelo de efeitos aleatórios Statas xtreg é apenas uma média ponderada da matriz dos efeitos fixos (dentro) e dos efeitos intermédios. No nosso exemplo, porque os efeitos dentro e entre são ortogonais, portanto, os resultados produzem os mesmos resultados que os fe e fe individuais. Com conjuntos de dados de painel mais gerais, os resultados do fe e não serão, necessariamente, somados da mesma maneira. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico da Universidade da Califórnia.
No comments:
Post a Comment