stata学习笔记

然后进行随机效应的面板泊松回归，

. xtpoisson mdu lcoins ndisease female age lfam child,reFitting Poisson model:Iteration 0: log likelihood = -62580.248 Iteration 1: log likelihood = -62579.401 Iteration 2: log likelihood = -62579.401 Fitting full model:Iteration 0: log likelihood = -43248.161 Iteration 1: log likelihood = -43240.57 Iteration 2: log likelihood = -43240.556 Iteration 3: log likelihood = -43240.556 Random-effects Poisson regression Number of obs = 20186Group variable: id Number of groups = 5908Random effects u_i ~ Gamma Obs per group: min = 1 avg = 3.4 max = 5 Wald chi2(6) = 637.49Log likelihood = -43240.556 Prob > chi2 = 0.0000 mdu Coef. Std. Err. z P>|z| [95% Conf. Interval] lcoins -.0878258 .0068682 -12.79 0.000 -.1012873 -.0743642 ndisease .0387629 .0022046 17.58 0.000 .034442 .0430839 female .1667192 .0286298 5.82 0.000 .1106058 .2228325 age .0019159 .0011134 1.72 0.085 -.0002663 .0040982 lfam -.1351786 .0260022 -5.20 0.000 -.186142 -.0842152 child .1082678 .0341477 3.17 0.002 .0413396 .1751961 _cons .7574177 .0618346 12.25 0.000 .6362241 .8786112 /lnalpha .0251256 .0209586 -.0159526 .0662038 alpha 1.025444 .0214919 .984174 1.068444 Likelihood-ratio test of alpha=0: chibar2(01) = 3.9e+04 Prob>=chibar2 = 0.000上图最后LR检验拒绝原假设，则拒绝混合泊松模型，认为应使用随机效应的面板泊松模型。

然后再进行固定效应的面板泊松回归：

上图显示有265组数据由于仅有一期观测值而被去掉，另有666组数据由于取值全为0也被去掉，此外固定效应模型无法识别不随时间变化的变量系数（lcoins，ndisease，female）故这些变量也被去掉，可以看出，聚类稳健标准误大约是普通标准误的2倍，导致所有变量系数均不显著。

然后初步考察是否存在过量分散：

可以看出被解释变量mdu的方差是平均值的七倍多，可能存在过度分散，因此负二项回归可能更有效率。

因此进行混合负二项回归，并使用聚类稳健标准误：

最后一行显示过度分散系数a的置信区间拒绝了假设，即存在过度分散，使用负二项回归可以提高效率。

进行随机效应的面板负二项回归，并使用自助标准误

最后一行LR拒绝了混合负二项回归的原假设，认为应使用随机效应的面板负二项回归。 然后使用豪斯曼检验在固定效应与随机效应的负二项回归之间进行选择：

豪斯曼检验拒绝随机效应负二项回归，因此使用固定效应负二项回归。