Stata實驗指導(dǎo)、統(tǒng)計分析與應(yīng)用chap10PPT課件

1、2021/3/912021/3/92主要內(nèi)容泊松回歸模型負(fù)二項和廣義負(fù)二項回歸模型零膨脹回歸模型2021/3/93實驗實驗10-110-1：泊松回歸模型：泊松回歸模型實驗基本原理實驗基本原理 對上式兩邊取對數(shù)可得對數(shù)似然函數(shù)，之后對求導(dǎo)便可得最大似然估計值。2021/3/94實驗內(nèi)容及數(shù)據(jù)來源實驗內(nèi)容及數(shù)據(jù)來源本書附帶光盤data文件夾下的“airinjure.dta”工作文件，給出了美國九家大的航線一年中的傷亡人數(shù)數(shù)據(jù)。 變量包括airline=航線，injuries=該航線一年的傷亡人數(shù)，n=各航線飛離紐約的航班數(shù)量占全部飛離紐約的航班數(shù)量的比例，XYZowned=航線是否為XYZ公司所擁

2、有（1代表為XYZ公司擁有，0代表為其他公司擁有）。利用這些數(shù)據(jù)，我們分析XYZ公司擁有的航線是否有更高的傷亡率。因為被解釋變量injuries為計數(shù)數(shù)據(jù)，所以我們考慮使用泊松模型。利用“airinjure.dta”的數(shù)據(jù)，我們將講解泊松回歸的操作、擬合優(yōu)度的檢驗以及模型的預(yù)測。2021/3/95實驗操作指導(dǎo)實驗操作指導(dǎo)1 泊松回歸的操作泊松回歸的操作（1）泊松回歸的基本操作進(jìn)行泊松回歸的基本命令如下：poisson depvar indepvar if in weight ,options其中，poisson代表“泊松回歸”的基本命令語句，depvar代表被解釋變量的名稱，indepvar代

3、表解釋變量的名稱，if代表條件語句，in代表范圍語句，weight代表權(quán)重語句，options代表其他選項。2021/3/96表10.2顯示了各options選項及其含義。2021/3/972021/3/98（2）計算發(fā)生率比IRR我們重新進(jìn)行前面的回歸，令其匯報發(fā)生率比。輸入命令： poisson injuries XYZowned, exposure(n) irr 其中，選項exposure()約束ln(n)的系數(shù)為1，irr表示結(jié)果匯報發(fā)生率比。2021/3/99（3）水平形式的泊松回歸我們先產(chǎn)生一個變量ln(n)，然后再進(jìn)行泊松回歸。 gen lnn=ln(n) poisson inj

4、uries XYZowned lnn 其中，第一步為產(chǎn)生一個新變量lnn，其值為n的自然對數(shù)；第二步進(jìn)行泊松回歸，被解釋變量為injuries，解釋變量為XYZowned和lnn。2021/3/9102.泊松回歸的檢驗和預(yù)測泊松回歸的檢驗和預(yù)測（1）擬合優(yōu)度（goodness of fit）檢驗命令estat gof 用于檢驗?zāi)Ｐ褪欠衽c數(shù)據(jù)吻合良好。在泊松回歸之后進(jìn)行該檢驗，原假設(shè)為模型服從泊松分布。當(dāng)p值很小時，我們就應(yīng)該拒絕原假設(shè)。對前面回歸的模型進(jìn)行擬合優(yōu)度檢驗，命令為：quietly poisson injuries XYZowned, exposure(n)estat gof其中，第

5、一步命令中的quietly用于指示stata不顯示該步的結(jié)果；第二步為擬合優(yōu)度的檢驗。2021/3/911（2）泊松回歸的預(yù)測預(yù)測的基本命令格式為：predict type newvar if in , statistic nooffset其中，predict是預(yù)測的基本命令語句，newvar代表生成的新變量的名稱，type代表新變量的類型，if代表條件語句，in代表范圍語句，statistic代表要預(yù)測的統(tǒng)計量。表10.3顯示了各statistic統(tǒng)計量及其含義。2021/3/9122021/3/913實驗實驗10-210-2：負(fù)二項和廣義負(fù)二項回歸模：負(fù)二項和廣義負(fù)二項回歸模型型實驗基本原

6、理實驗基本原理2021/3/914實驗內(nèi)容及數(shù)據(jù)來源實驗內(nèi)容及數(shù)據(jù)來源本書附帶光盤data文件夾下的“mortality.dta”工作文件給出了不同時期兒童死亡人數(shù)的調(diào)查數(shù)據(jù)。變量包括：cohort=分組變量（1代表出生于1941-1959年間，2代表出生于1960-1967年間，3代表出生于1968-1976年間）， age_mos=死亡時的年齡（單位為月），deaths=死亡人數(shù)， exposure=暴露于風(fēng)險的總年數(shù)（=兒童人數(shù)*相應(yīng)的年齡）。利用這些數(shù)據(jù)，我們研究不同年代對兒童死亡率的影響。我們會進(jìn)行泊松回歸及其擬合優(yōu)度檢驗，負(fù)二項回歸以及廣義負(fù)二項回歸。2021/3/915實驗操作指

7、導(dǎo)實驗操作指導(dǎo)1 泊松回歸及擬合優(yōu)度檢驗泊松回歸及擬合優(yōu)度檢驗因為我們要進(jìn)行的回歸分析中，被解釋變量死亡人數(shù)是計數(shù)變量，因此，我們首先考慮進(jìn)行泊松回歸。命令如下：gen logexp=ln(exposure)xi: poisson deaths i.cohort, offset(logexp)其中，第一步生成了一個新變量logexp，其值為變量exposure的自然對數(shù)；第二步為泊松回歸。在第二步中，xi表示生成擴(kuò)展交互項（interaction expansion），在這里，解釋變量cohort之前有前綴“i.”，即表示生成cohort的虛擬變量（因為分組變量cohort取值為1、2、3，所

8、以會生成3個虛擬變量）。也就是說，被解釋變量為deaths，解釋變量為虛擬變量_Icohort_1、_Icohort_2和_Icohort_3。為避免多重共線性，stata會自動刪掉一個虛擬變量。此外，選項offset(logexp)表明約束logexp的系數(shù)為1，這是因為我們要研究組別對死亡率的影響，而死亡人數(shù)除以暴露期才是死亡率。2021/3/916對上面的回歸進(jìn)行擬合優(yōu)度檢驗：estat gof結(jié)果顯示，我們應(yīng)當(dāng)拒絕數(shù)據(jù)服從泊松回歸的原假設(shè)。2021/3/9172 負(fù)二項回歸負(fù)二項回歸對 “mortality.dta”的數(shù)據(jù)進(jìn)行泊松回歸后，擬合優(yōu)度檢驗表明泊松回歸模型是不合適的。這樣，我

9、們考慮用負(fù)二項回歸模型。負(fù)二項回歸的基本命令格式為：nbreg depvar indepvar if in weight , nbreg_options其中，nbreg代表“負(fù)二項回歸”的基本命令語句，depvar代表被解釋變量的名稱，indepvar代表解釋變量的名稱，if代表條件語句，in代表范圍語句，weight代表權(quán)重語句，nbreg_options代表其他選項。2021/3/918下面，我們利用“mortality.dta”的數(shù)據(jù)進(jìn)行負(fù)二項回歸，命令為：xi: nbreg deaths i.cohort, offset(logexp) nolog其中，被解釋變量為deaths，解釋變

10、量為cohort的虛擬變量，選項offset(logexp)約束logexp的系數(shù)為1，nolog表明不顯示迭代過程。2021/3/9193 廣義負(fù)二項回歸廣義負(fù)二項回歸廣義負(fù)二項回歸的命令與負(fù)二項回歸基本一致，為：gnbreg depvar indepvar if in weight , gnbreg_options其中，gnbreg代表“廣義負(fù)二項回歸”的基本命令語句，gnbreg_options代表其他選項。仍利用“mortality.dta”的數(shù)據(jù)，我們假設(shè)死亡人數(shù)是年齡的函數(shù)，而參數(shù)則是分組變量cohort的函數(shù)。為了擬合這個模型，我們鍵入以下命令：xi: gnbreg deaths

11、 age_mos, lnalpha(i.cohort) offset(logexp)該命令中，xi:是為了與i.cohort相呼應(yīng)，生成cohort的虛擬變量。選項lnalpha(i.cohort) 表明，參數(shù)則是cohort的虛擬變量的函數(shù)。如果我們認(rèn)為在cohort相鄰兩組間的差異是一樣的時候，可以直接使用cohort，而不必用其虛擬變量。2021/3/9204 模型的預(yù)測模型的預(yù)測負(fù)二項回歸和廣義負(fù)二項回歸的模型預(yù)測和泊松回歸的模型預(yù)測大致相同，只有幾個選項不一樣。預(yù)測的基本的命令格式如下：predict type newvar if in , statistic nooffset其中，

12、predict代表預(yù)測的基本命令語句，newvar代表生成的新變量的名稱，type代表新變量的類型，if代表條件語句，in代表范圍語句，statistic代表進(jìn)行預(yù)測的統(tǒng)計量。nbreg和gnbreg可用的statistic選項包括n、ir、xb和stdp，對選項的解釋，也和poisson相同。2021/3/921下面，讓我們通過例子來加深對命令的理解。仍使用“mortality.dta”的數(shù)據(jù)，我們先進(jìn)行負(fù)二項回歸，然后預(yù)測，再考察預(yù)測值的描述統(tǒng)計量。命令為：quietly xi: nbreg deaths i.cohortpredict countsummarize deaths coun

13、t其中，第一步為進(jìn)行負(fù)二項回歸，quietly表明不顯示該回歸的結(jié)果；第二步對被解釋變量進(jìn)行預(yù)測，并將其命名為count；第三步將顯示被解釋變量deaths和預(yù)測變量count的描述統(tǒng)計量。下面，我們再進(jìn)行scores的預(yù)測，并對預(yù)測結(jié)果進(jìn)行描述。命令為：predict dscore1 dscore2, scoresdescribe deaths dscore1 dscore22021/3/922實驗實驗10-310-3：零膨脹回歸模型：零膨脹回歸模型實驗基本原理實驗基本原理當(dāng)計數(shù)數(shù)據(jù)中含有大量的“0”值時，可以考慮使用“零膨脹泊松回歸”（Zero-Inflated Poisson regre

14、ssion，簡記ZIP）或“零膨脹負(fù)二項回歸”（Zero-Inflated Negative Binomial regression，簡記ZINB）。對零膨脹回歸模型而言，估計是分兩階段進(jìn)行的。首先，決定計數(shù)變量“取零”還是“取正整數(shù)”，這相當(dāng)于二值選擇。其次，如果決定“取正整數(shù)”，則進(jìn)一步確定選擇哪個正整數(shù)。2021/3/923實驗內(nèi)容及數(shù)據(jù)來源實驗內(nèi)容及數(shù)據(jù)來源本書附帶光盤data文件夾的“fish.dta”工作文件給出了某一國家公園中游客捕魚情況的數(shù)據(jù)，主要變量包括： count=各群游客捕獲的魚的條數(shù)，persons=該群游客的數(shù)量，child=該群游客中兒童的數(shù)量，livebait=

15、是否使用活餌，camper=是否露營。利用這些數(shù)據(jù)，我們研究各因素對游客捕魚條數(shù)的影響。考慮到被解釋變量count中有142個觀測值取值為0，我們使用零膨脹回歸模型來進(jìn)行模型擬合。下面，利用“fish.dta”的數(shù)據(jù)，我們來講解零膨脹泊松回歸、零膨脹負(fù)二項回歸的擬合和預(yù)測。2021/3/924實驗操作指導(dǎo)實驗操作指導(dǎo)1 零膨脹泊松回歸（零膨脹泊松回歸（ZIP）的操作）的操作2021/3/925對于“fish.dta”的數(shù)據(jù)，我們認(rèn)為，影響捕獲的魚的條數(shù)（count）的因素主要有該群游客有幾人（persons）以及是否使用活餌（livebait），而影響游客捕魚與否的因素則包括游客中有幾人是兒童

16、（child）以及是否露營（camper）。我們希望在回歸的過程中匯報Vuong統(tǒng)計量，這樣，該回歸的命令為：zip count persons livebait, inf(child camper) vuong2021/3/9262 零膨脹泊松回歸的預(yù)測零膨脹泊松回歸的預(yù)測2021/3/927對于本例，我們可以預(yù)測捕獲的魚的數(shù)量，并命名為pcount：predict pcount或預(yù)測捕魚數(shù)量為0的概率，并命名為prob：predict prob, pr 對于其他選項，道理相同，在此不再舉例。2021/3/9283 零膨脹負(fù)二項回歸（零膨脹負(fù)二項回歸（ZINB）的操作）的操作仍然利用“fis

17、h.dta”的數(shù)據(jù)，我們來擬合零膨脹負(fù)二項回歸，并匯報Vuong統(tǒng)計量以及似然比檢驗。zinb count persons livebait, inf(child camper) vuong zip這里，被解釋變量為count，解釋變量為persons和livebait，決定是否捕魚的變量為child和camper。2021/3/929習(xí)題習(xí)題1.利用本書附帶光盤data文件夾下“poissonreg.dta”工作文件對決定初中生曠課天數(shù)的因素進(jìn)行分析。主要變量包括： id=學(xué)生的編號，school=學(xué)校，male=是否男生，math=數(shù)學(xué)課成績，langarts=語言藝術(shù)課成績，daysatt=在校天數(shù)，daysabs=曠課天數(shù)。以daysabs為被解釋變量，以male和langarts為解釋變量，進(jìn)行泊松回歸模型的擬合。下圖列出了數(shù)據(jù)的基本情況。2021/3/9302.在習(xí)題1的回歸之后，對曠課天數(shù)進(jìn)行預(yù)測，并比較使用不