是否可以将Stata的xttobit
中的参数限制为非负值?我读了一篇论文,作者说他们就是这么做的,而我正试图弄清楚如何做。
我知道您可以通过指数转换变量(例如gen x1_e = exp(x1)
)然后在估算后调用nlcom
来限制参数严格为正(例如nlcom exp(_b[x1:_y])
其中y
是自变量。(这可能不完全正确,但我很确定一般的想法是正确的。Here是一个类似的问题来自Statlist re:nlsur
)。
但是非负面约束会是什么样子?我知道一种方法是通过转换变量,例如平方变量。但是,我使用作者的数据尝试了这一点,但仍然发现xttobit
的负面估计值。对不起,如果这是一个微不足道的问题,但它让我有点困惑。
(注意:这首先是错误地发布在简历上.Mea culpa。)
更新:我似乎误解了转化意味着什么。假设我们想要估计以下随机效应模型:
y_ {it} = a + b * x_ {it} + v_i + e_ {it}
其中v_i是i的单独随机效应,e_ {it}是特殊错误。
从第一个答案开始,比方说,将所有系数约束为正数的指数变换如下:
y_ {it} = exp(a)+ exp(b)* x_ {it} + v_i + e_ {it}
答案 0 :(得分:1)
我认为您通过转换关联变量来约束参数的理解是不正确的。您不会转换变量,而是根据转换后的参数使模型重新表达您的模型。有关详细信息,请参阅http://www.stata.com/support/faqs/statistics/regression-with-interval-constraints/上的常见问题解答,并准备好比您预期的更加努力解决您的问题,因为您需要将xttobit
替换为mlexp
用于转换参数化对象对数似然函数。
关于非负和严格正约束之间的差异,对于连续参数,所有这些约束实际上都是非负的,因为(对于合理的参数化)严格的正约束可以任意接近零。