修复了Stata中的效果

Question

对Stata来说很新，所以使用固定效果会有点挣扎。这里的数据是弥补的，但请耐心等待。我有一堆虚拟变量，我正在做回归。我的因变量是假人，如果顾客买了东西，则为1，否则为0。我的固定效果是前面是否有黄色标记（再次是虚拟变量）。我的自变量是商店经理是否表示喜（虚拟变量）。

基本上，我希望我的输出看起来像这样（显然有标准错误）

this.$bus.emit( 'test', { code: 1 } );

Answer 1

您可以在回归中使用##运算符来获得具有固定效果的饱和模型：

首先，输入数据，使得您有二进制结果（购买），因变量（ saidhi ）和固定效果变量（ sign < / em>的）。 saidhi 应该与你的结果相关联（所以 saidhi 的一部分与购买和部分不相关），以及你的FE变量应该与购买和 saidhi 相关联（如果您只对 saidhi的效果感兴趣，那么在您的回归中没有任何意义 EM>）。

clear
set obs 100
set seed 45
gen bought = runiform() > 0.5                               // Binary y, 50/50 probability
gen saidhi = runiform() + runiform()^2*bought               
gen sign = runiform() + runiform()*saidhi + runiform()*bought > 0.66666 // Binary FE, correlated with both x and y 
replace saidhi = saidhi > 0.5

现在，运行回归：

* y = x + FE + x*FE + cons
reg bought saidhi##sign, r


exit

您的输出应为：

Linear regression                               Number of obs     =        100
                                                F(3, 96)          =      13.34
                                                Prob > F          =     0.0000
                                                R-squared         =     0.1703
                                                Root MSE          =     .46447

------------------------------------------------------------------------------
             |               Robust
      bought |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    1.saidhi |   .3571429   .2034162     1.76   0.082    -.0466351    .7609209
      1.sign |   .3869048   .1253409     3.09   0.003      .138105    .6357046
             |
 saidhi#sign |
        1 1  |  -.1427489   .2373253    -0.60   0.549    -.6138359    .3283381
             |
       _cons |   .0714286   .0702496     1.02   0.312    -.0680158     .210873
------------------------------------------------------------------------------

1.saidhi 是{em> saidhi 在sign == 0时的效果。 1.sign 是标志的影响，单独，即saidhi == 0时。 saidhi#sign下的部分描述了这两个变量之间的相互作用（即它们的边际效应同时为1 ......请记住，它们的总效应包括前两个术语）。当两者都为0时，你的常数代表购买的平均值（例如，这与你从sum bought if saidhi == 0 & sign == 0得到的相同）。