(TY Wang) 伊利诺州立大学 - Sites@Duke.PPT

*编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 *编号 *编号 *编号 * *编号 *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * * * * *编号 * * discrete change: 一个具有一般特质的已婚妇女, 每增加一个年幼的小孩,她的就业概率就会减少 0.34 具有一般特质的已婚妇女, 有大学学历的要比没有学历的, 就业概率会高出 0.19 * min-max 对具有一般特质的已婚妇女而言,年龄最大的妇女要比年龄最小的妇女,就业概率会减少 0.4372 * listcoef指令计算胜算比（odds ratio）: * 两边同时取指数函数，便可以获得一个以胜算为依变量的非线性模型 当 增加一个单位并与前式相除，即可得胜算比: * 解释: 在其他变量不变的情况下，当变量 每增加一个单位，某事件发生的胜算将增加 倍 * 当 exp( ) 1,时，表示某事件发生的胜算将增加exp( )倍 如果 exp( ) 1 时，表示某事件发生的胜算将降低exp( ) 倍 * 在其他变量为平均值的情形下，每增加一个小孩，已婚妇女就业的胜算(概率比)就会减少0.23倍 在其他变量为平均值的情形下，每增加一个小孩，已婚妇女就业的胜算(概率比)就会减少76.8% * Residuals (残差值) and Influence （重要观察值）using predict * 消除案例： drop if index==752| index==345|index==142 (data/create or change data/ keep or drop observations) Scalar Measures of Fit （适合度）using fitstat 不同的『拟似R2』(Pseudo-R2) Information Measures: can be used to compare models across different samples or to compare non-nested models * AIC: the smaller AIC, the better the fit BIC: the more negative the BIC, the better the fit * 二分胜算对数模型练习: 臺灣民眾的政治參與對其政治功效意識之影響 Stata数据库：Wang_PR_BRM.dta *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 * *编号 *编号 *编号 * *编号 * *编号 *编号 *编号 连接部份：依变量的条件期望值 与等式右边自变量相连的函数， 即为连接函数 * * 以胜算对数（logit）为连接函数即二分胜算对数模型 * 胜算(概率比，odds） 胜算是某事件发生的概率与该事件不发生的概率的比率 胜算＝ 概率＝ * 胜算＝4，发生的概率为0.8，不发生的概率为0.2；发生的概率为不发生的概率的4倍 中文：五五波，六四开 胜算与概率相似处： 都以0为最低值，无负数 当胜算与概率的值增大时，都表示某事件愈可能发生；概率愈大，胜算愈大；概率愈小，胜算愈小 * 胜算与概率不同处： 概率最大值为1 ，胜算可达无穷大，消除概率上界为1的问题 概率趋近於1时，概率少许的变动会对胜算有很大的影响 * * 0.01 0.2 0.5 0.7 0.9 0.99 0.99 0.8 0.5 0.3 0.1 0.01 胜算 0.01 0.25 1.00 2.33 9.00 99.0 * odds 1，发生的概率大於不发生的概率 0 odds 1，发生的概率小於不发生的机率 odds =1，发生的概率等於不发生的概率 概率与胜算的关系 * * 胜算比(odds ratio): 一个胜算可与另一个胜算来比较 夭折 存活 胜算（Odds) 体重低于标准 600 5000 0.12 正常体重 400 60000 0.0067 胜算比（Odds Ratio） 1