我已经通过Stata中的最大似然估计了一个模型，并且惊讶地发现当聚类观察时，一个特定参数的估计标准误差显着更小。我从Stata manual对ML的强大标准误差估计中得出结论，如果单个观察对分数的贡献（对数似然的导数）倾向于在集群内相互抵消，则会发生这种情况。
我现在想更深入地了解究竟发生了什么，因此希望看看这些得分贡献。然而，据我所知，Stata只给了我总和e(gradient)。有没有办法从Stata中撬出个别的命令？
答案 0 :(得分：2)
如果您编写了自己的命令，则可以使用ml score命令创建包含这些分数的新变量。官方Stata命令和大多数已完成的用户编写的命令通常会score作为predict的选项，它可以执行相同的操作但语法更简单。
这些将为您提供相对于线性预测器的对数似然（$ \ ell $）得分，$ x \ beta = \ beta_0 + \ beta_1 x_1 + \ beta_2 x_2 \ elipses $。要获得与单个参数相关的对数似然的导数，比如$ \ beta_1 $，您只需使用链规则：
$ \ frac {\ partial \ ell} {\ partial \ beta_1} = \ frac {\ partial \ ell} {\ partial x \ beta} \ frac {\ partial x \ beta} {\ partial \ beta_1} $
Stata返回的分数为$ \ frac {\ partial \ ell} {\ partial x \ beta} $，$ \ frac {\ partial x \ beta} {\ partial \ beta_1} = x_1 $。
因此，要获得$ \ beta_1 $的分数，您只需将Stata返回的分数乘以$ x_1 $。