stata做有序logistics回归 共线性检验怎么看

Question

做有序logistics回归，但是共线性检验一直出现这个full model cannot be estimated due to perfect prediction。删了一个自变量后，又做了一次平行线检验，现在算是通过了吗，p都大于0.05😭还想问问有序logit回归可以加入控制变量吗，在stata里如何实现呢？

Answer 1

以下内容由AIGC 及 gpt.4o 科技梦想家编程波士 共同为您回答解决方案、有用望采纳☀️☀️：

在进行有序逻辑回归分析时，共线性检验和模型估计的问题可能会影响你的结果。以下是一些建议和步骤，帮助你解决这些问题：

1. 共线性检验的理解
   当你遇到“full model cannot be estimated due to perfect prediction”的错误时，说明有些自变量之间存在完美的共线性。这意味着某些变量可以被其他变量完全预测，因此模型无法估计。你可以通过以下方式检查共线性：

相关性矩阵：使用 correlate 命令查看自变量之间的相关性。
方差膨胀因子 (VIF)：用 vif 命令检查变量的 VIF 值。一般来说，VIF 大于 10 表示存在严重共线性。
2. 平行线检验
如果你在做平行线检验时 p 值大于 0.05，通常表明平行假设成立，这样就可以继续使用有序逻辑回归模型。

1. 加入控制变量
   有序逻辑回归是可以加入控制变量的。在 Stata 中，你可以按照以下方式实现：

ologit dependent_variable independent_variable1 independent_variable2 control_variable1 control_variable2

这里 control_variable1 和 control_variable2 是你的控制变量。确保你在模型中包含它们，以便正确地控制潜在的混杂因素。

1. 示例代码
   假设你的因变量是 y，自变量是 x1 和 x2，控制变量是 c1 和 c2，你可以这样写：

ologit y x1 x2 c1 c2

1. 检查模型拟合
   完成模型拟合后，可以使用 fitstat 或 estout 命令来获取模型的拟合优度统计量，进一步评估模型性能。

总结
先解决共线性问题，删除或合并高相关的变量。
确保平行假设成立后再进行模型分析。
可以加入控制变量以提高模型的准确性。