Question

我正在尝试编写一个简单的程序，以结合一组回归拟合的系数和标准误差估计。比如说，我运行5次回归，并将感兴趣的系数和标准误差存储到向量中（实际上是Stata矩阵对象）。然后，我需要做以下事情：

查找系数估算的平均值。
根据建议用于组合“多重插补”结果的公式组合标准误差估计。公式是this document第6页上“T”公式的平方根。

我已经编写了一次这样做的Stata代码，但是我想把它写成一个函数（或“程序”，在Stata中说），它将矢量（或矩阵，如果可能的话）作为参数，将多个估计结合起来一次）回归系数估计和相应标准误差估计的向量（或矩阵），然后生成上面的1和2。这是我写的代码：

（breg是回归系数估计的1x5向量，sereg是相关标准误差估计的1x5向量）

mat ones = (1,1,1,1,1) 
mat bregmean = (1/5)*(ones*breg’)
scalar bregmean_s = bregmean[1,1]
mat seregmean = (1/5)*(ones*sereg’) 
mat seregbtv = (1/4)*(breg  - bregmean#ones)* (breg  - bregmean#ones)’
mat varregmi = (1/5)*(sereg*sereg’) + (1+(1/5))* seregbtv
scalar varregmi_s = varregmi[1,1]
scalar seregmi = sqrt(varregmi_s)
disp bregmean_s 
disp seregmi

这为单个实例提供了正确的答案。任何指针都会很棒！

更新：我完成了用于组合系数/参数的kXm矩阵中的估计的代码（k是参数的数量，m是插补的数量）。可以找到代码here。

感谢特里斯坦和加比的指示。

更新：我完成了用于组合系数/参数的kXm矩阵的代码，其中k是系数/参数的数量，m是插补的数量。你可以找到它here。

感谢Tristan和Gabi的提示。

Answer 1

Tristan是对的，您可以使用“args”将矩阵作为Stata程序中的参数调用。使用他的模板，这个hack应该在原始帖子中复制任何breg，sreg对向量的计算：

capture prog drop myMI
program myMI

args breg sereg
local params=colsof(`breg') // store the number of parameters here

mat ones=J(1,`params',1)
mat bregmean = (1/`params')*(ones*breg')
scalar bregmean_s = bregmean[1,1]
mat seregmean = (1/`params')*(ones*sereg') 
mat seregbtv = (1/(`params'-1))*(breg  - bregmean#ones)* (breg  - bregmean#ones)'
mat varregmi = (1/`params')*(sereg*sereg') + (1+(1/`params'))* seregbtv
scalar varregmi_s = varregmi[1,1]
scalar seregmi = sqrt(varregmi_s)
disp bregmean_s 
disp seregmi

end

你用

来调用它

myMI breg sereg

Answer 2

我假设您知道Stata 11中内置了多种插补，包括这些类型的组合规则。我没有使用它，但如果可能的话，它可能就是这样。

您可以使用args命令轻松编写Stata程序来获取矩阵。请遵循以下模板：

capture program drop mi_combine
program define mi_combine 
    args coef se
    matlist `coef'
    matlist `se'
end

mat ones = (1,1,1)
mat twos = (2, 2, 2)
mi_combine ones twos

Answer 3

那应该有所帮助。我是Stata的真正新手。我有v10，如果/当我得到v11，我将调查mi。我想使用Clarify的mi组合功能，但我使用的是Clarify不支持的模型;我不太确定mi会（例如，用户提供的删失分位数回归.ado）

自从我发布了q后，我想出了一些能够完成工作的东西：

capture program drop micombine
program define micombine
    mat ones = (1,1,1,1,1)
    mat bmean = (1/5)*(ones*`1'')
    mat wtv = (1/5)*(`2'*`2'')
    scalar wtv_s = wtv[1,1]
    mat btv = (1/4)*(`1'  - bmean#ones)* (`1'  - bmean#ones)'
    scalar btv_s = btv[1,1]
    mat varregmi =  wtv_s + (1+(1/5))*btv
    scalar varregmi_s = varregmi[1,1]
    scalar seregmi = sqrt(varregmi_s)
    scalar bmean_s = bmean[1,1]
    scalar dfmi = (5-1)*(1+(5*wtv_s)/(6*btv_s))^2
    scalar moemi = seregmi*invttail(dfmi,.025)
    di as text "b_mi = " as result bmean_s
    di as text "se_mi = " as result seregmi
    di as text "df_mi =" as result dfmi
    di as text "95% moe_mi =" as result moemi
end

丑陋，只为一个系数估计而做。我希望能够为所有的系数做到这一点，尽管这不是必要的。

Answer 4

如果计算复杂，我建议使用mata。

如果要在数据中进行计算，可以使用parmest和/或postfile将回归系数导出到临时数据文件中。

简单的Stata计划

4 个答案: