Stata中的离散选择模型全攻略：从二值logit到零膨胀模型-优快云博客

Stata中的离散选择模型全攻略：从二值logit到零膨胀模型

在数据分析领域，离散选择模型是一类专门用于处理因变量为分类变量的统计方法。这类模型在经济学、社会学、市场营销和公共卫生等领域有着广泛应用。Stata作为一款功能强大的统计软件，提供了从基础的二值选择模型到复杂的零膨胀模型等一系列工具，能够满足不同研究场景下的分析需求。

离散选择模型的核心价值在于它能够处理传统线性回归无法应对的因变量类型。当我们的研究问题涉及"是否购买"、"选择哪种方案"、"满意度等级"或"事件发生次数"时，离散选择模型就成为了不可或缺的分析工具。本文将系统介绍Stata中各类离散选择模型的应用场景、操作方法和结果解读技巧。

1. 二值选择模型：logit与probit

二值选择模型适用于因变量只有两种可能结果的情况，比如"通过/不通过"、"购买/不购买"等。在Stata中，最常用的二值选择模型是logit和probit。

1.1 模型选择与基本命令

logit和probit模型的主要区别在于对误差项的分布假设不同：

logit模型假设误差项服从逻辑分布
probit模型假设误差项服从标准正态分布

实际应用中，两个模型的结果通常非常接近。选择哪个模型更多取决于学科传统或个人偏好。经济学领域更常用probit，而生物统计等领域更倾向使用logit。

基础命令格式如下：

logit 因变量 自变量1 自变量2..., 选项
probit 因变量 自变量1 自变量2..., 选项

1.2 结果解读与实用技巧

理解logit和probit模型的输出结果需要特别注意：

系数解释：原始系数表示自变量对"对数几率"(logit)或"z值"(probit)的影响。更直观的解释方式是计算边际效应或几率比(odds ratio)。
几率比选项：添加or选项可以直接输出几率比：
```
logit y x1 x2, or
```
结果中，x1的几率比为1.5表示x1每增加1单位，y=1的几率是原来的1.5倍。
模型评估：使用estat clas命令可以查看分类准确率：
```
estat clas
```
重点关注"Correctly classified"的比例。
异方差处理：当怀疑存在异方差时，可以使用hetprob命令：
```
hetprob y x1 x2, het(z1 z2)
```
其中z1、z2是可能导致异方差的变量。

表：logit与probit模型比较

特征	logit模型	probit模型
分布假设	逻辑分布	标准正态分布
系数解释	对数几率	z值
极端预测	尾部较厚	尾部较薄
学科偏好	生物统计、医学	经济学、金融

2. 多项选择模型：mlogit与asclogit

当因变量有三个或更多无序类别时，需要使用多项选择模型。Stata提供了多种多项选择模型，适用于不同类型的数据结构。

2.1 多项logit模型

多项logit模型(multinomial logit)适用于解释变量不随选择方案变化的情况。基本命令格式为：

mlogit 因变量 自变量1 自变量2..., base(#) rrr

base(#)指定参照组
rrr选项输出相对风险比

案例：分析职业选择(服务、蓝领、白领、专业)与教育程度的关系：

mlogit occupation edu experience, base(1) rrr

2.2 条件logit与混合logit

当解释变量随选择方案变化时，需要使用条件logit(conditional logit)或混合logit(mixed logit)模型。

条件logit：
```
clogit choice time cost, group(id) or
```
其中group(id)指定个体ID变量。

混合logit(asclogit)：

asclogit choice time, case(id) alternatives(mode) casevars(income) base(1)

2.3 IIA假设检验

多项logit模型依赖于"无关选项独立性"(IIA)假设，可通过以下命令检验：

mlogtest, hausman
mlogtest, smhsiao

若IIA假设被拒绝，应考虑使用嵌套logit或混合logit模型。

多项选择模型选择流程图：

解释变量是否随方案变化？
- 否 → 多项logit
- 是 → 2
是否有仅随个体变化的变量？
- 否 → 条件logit
- 是 → 混合logit

3. 排序模型与计数模型

3.1 排序logit与probit

当因变量是有序分类变量(如满意度等级)时，应使用排序模型。Stata提供两种排序模型：

ologit 因变量 自变量...
oprobit 因变量 自变量...

结果解释重点关注"cut points"(切点)和自变量的显著性。预测各类别的概率使用：

predict p1 p2 p3 p4

3.2 计数数据模型

计数数据(如就诊次数、事故次数)需要特殊模型处理。根据数据特征选择适当模型：

泊松回归：适用于方差≈均值的情况
```
poisson count x1 x2, irr
```
负二项回归：适用于过度离散(方差>均值)的情况
```
nbreg count x1 x2, irr
```

零膨胀模型：当数据中有过多零值时使用

zip count x1 x2, inflate(z1 z2)
zinb count x1 x2, inflate(z1 z2)

表：计数模型选择指南

数据特征	适用模型	Stata命令
方差≈均值	泊松回归	`poisson`
方差>均值	负二项回归	`nbreg`
过多零值+方差≈均值	零膨胀泊松	`zip`
过多零值+方差>均值	零膨胀负二项	`zinb`

4. 高级主题与模型诊断

4.1 模型比较与选择

选择合适的离散选择模型需要考虑多方面因素：

似然比检验：比较嵌套模型

est store full
est store reduced
lrtest full reduced

信息准则：AIC和BIC
```
estat ic
```
预测准确性：分类表、ROC曲线等

4.2 边际效应计算

离散选择模型的系数往往难以直接解释，计算边际效应更直观：

margins, dydx(*) atmeans
margins, at(x1=(1(1)5))

4.3 常见问题处理

多重共线性：检查方差膨胀因子(VIF)
```
regress y x1 x2 x3
vif
```
样本选择偏差：考虑Heckman选择模型
内生性：使用IV方法或控制函数法

5. 实战案例与经验分享

在实际应用中，离散选择模型的成功实施往往依赖于对数据特征的准确把握和适当的模型调整。以下是几个实用技巧：

分类变量处理：使用i.前缀自动生成虚拟变量
```
logit y i.gender x1 x2
```
交互项分析：考察变量间的交互效应
```
logit y x1##x2
```
样本权重：当使用复杂抽样数据时
```
svyset [pw=weight]
svy: logit y x1 x2
```

缺失数据处理：多重插补方法

mi set wide
mi register imputed x1 x2
mi impute chained (regress) x1 (logit) x2 = y, add(5)

离散选择模型分析流程检查清单：

[ ] 检查因变量类型和分布
[ ] 选择合适的模型族
[ ] 检验模型假设(IIA、同方差等)
[ ] 计算边际效应或几率比
[ ] 评估模型拟合优度
[ ] 进行稳健性检验

Stata中的离散选择模型全攻略：从二值logit到零膨胀模型