stata logit回归怎么控制固定效应

Question

通过将年份和行业生成虚拟变量后，logit回归控制固定效应，样本量减少该如何解决？

Answer 1

【相关推荐】

• 这篇博客: (2)stata的基本使用--分类回归 logit中的 .使用logit回归 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  估计 β\betaβ
  函数形式：
  P为y=1发生的概率,即每一类的概率
  
  回归命令：
  

  新概念Pseudo R2 表示准R方，
  
  可以写为：
  
  意味着：
  （对数函数实际实际取值-只含常数项的对数取值）与（对数自然函数可能的最大取值-只含常数项的对数取值）之比，意味着加入分类变量能够让模型的准确的上升多少。

  回归结果的的解读：

  LR为476.62，LR的P值检验是0.00000<0.05，说明方程整体是显著的，LR = n*R方 大样本下服从卡方分布

  Pseudo R2 表示准R方：有0.1882,其含义类似于拟合优度

  其coef为各自变量的系数β\betaβ，对应P值为各自显著性水平

  	 $exp(\beta)$表示X每增加一单位,导致结果发生的概率比增加的倍数
  

  汇报 exp(β)exp(\beta)exp(β)的命令如下：
  
  解释：

    以list the example of coefficient about married's and age's 
    已婚妇女参加工作的几率比是未婚妇女的2.099664倍（即高出109.9664%）；年龄每增加一岁，参加工资的几率比增	加5.9641%，其他的变量类似解释
  

  are you 还 ok?哈哈，继续，如果你不相信这个模型，你可以使用logit稳健标准误差，向下看。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^