我正在使用结果（ser）和一些预测变量进行逻辑回归， 标准错误聚集（通过provider_id）。其中一个预测因子（years_cat）是一个分类 我从连续变量（任期）创建的变量;换句话说，years_cat是类别 任期。 years_cat类别的优势比是单调增加的，我愿意 喜欢测试变量任期是否实际上是线性的（尽管我将报告分类 在我的论文中变量。）
通常，我会使用分类变量（cat1）运行模型，存储估计值，然后 使用线性变量（lin1）运行模型，并存储估计值，然后使用似然比检验进行比较 两个（lrtest cat1 lin1）。由于我有聚类标准错误，因此似然比检验不是 适当的，我想使用Wald测试。但是，当我运行wald测试时，我收到错误（请参阅下面的详细信息），Stata无法找到我存储的模型（尽管确认它们实际存储了）。如何运行wald测试来比较这两个存储模型的相等性？
*Run the model with categorical variable (years_cat), store.
logistic ser i.age_ra i.sex ib5.indication ib2.gender_doc ib1.specialty1 ///
i.vol ib4.years_cat, cluster(provider_id)
estimates store cat1
*Run the model with continuous variable (tenure), store.
logistic ser i.age_ra i.sex ib5.indication ib2.gender_doc ib1.specialty1 ///
i.vol tenure, cluster(provider_id)
estimates store lin1
*Confirm that stata has stored the estimates
estimates table cat1 lin1
*Run wald test
test lin1 cat1
*returns error "r(111) lin1 not found"
*Run wald test with alternative syntax
test [lin1 cat1]
*returns error "r(303) equation lin1 not found"
/*The same errors are reutrned if I put an = between lin1 and cat1. If I put
cat1 before lin1,the error tells me instead taht cat1 is not found.*/
*I've also tried using the suest command, but I get the same errors
logistic ser i.age_ra i.sex ib5.indication ib2.gender_doc ///
ib1.specialty1 i.vol ib4.years_cat
estimates store cat2
logistic ser i.age_ra i.sex ib5.indication ib2.gender_doc ib1.specialty1 ///
tenure i.vol ib4.years_cat
estimates store lin2
suest cat2 lin2, cluster(provider_id)
test lin2 cat2
*Error: r(111) lin2 not found