请教可以用STATA做面板数据的SEM模型吗

请教可以用STATA做面板数据的SEM模型吗,第1张

结果的前两行表示模型的类别,LZ采用的为randomeffect随机模型,截面变量:province,样本数目310.群组数目31,也就是每组10个观测值。3-5行表示模型的拟合优度,分别为within,between,overall,组内,组间,总体三个层次。6-7行表示针对参数联合检验的waldchi2检验和Pvalue,p=0.000表示参数整体上灰常显著。8-10行表示解释变量的估计权重,截距,标准差,Z统计量,P值及95%置信区间。这块儿跟截面回归的产出结果是一样的,关于你的解释变量base的权重解释是,在其他多有条件都不变的情况下,base每增加一单位,city会增加0.0179单位,P值0.000,灰常显著。最后三行分别是随机效应模型中个体效应和随机干扰项的方差估计值,分别为sigma_u,sigma_e.以上两者之间的关系rho.需要注意的是你的模型拟合度不高,R方只有26%,当然这要看具体是哪方面的研究以及同方向其他学者的拟合结果,如果大家都在20多,那就OK。

两个变量之间的相关系数,可以在SPSS中的correlation中计算得到。两组变量之间的相关系数如何计算呢?专研了一天,还是从竹庄家的网页里获得了最多的知识。

以下为转贴:

计算两组变量之间相关系数的最好(即最容易也最准确)方法是用LISREL、AMOS等结构方程模型(SEM)。如果A1-A3是一个潜在因子、B1-B5是另一个潜在因子。SEM可以同时检验这两个潜在因子内部各观测变量是否相关以及两个因子之间是否相关。

如果你没学过SEM而只想在SPSS里做,有几种变通方法,但是都比较麻烦一点,其结果略有差别。

一、因子分析(EFA):先分别对A1-A3和B1-B5做因子分析、并从中生成两个因子、最后在相关分析中计算因子之间的相关系数。如果这两组变量(尤其是B1-B5)每组各自存在2个或更多的因子,就有问题了。(当然,如果这种情况发生,用其它方法同样也会有问题。)

二、General Linear Model(GLM):选"Multivariate", 将A1-A3放入"Dependent Variables"、B1-B5放入"Covariate(s)",执行后在“Test of Between-Subjects Effects"的表底部,找到对应于A1-A3的三个"R Squared" ,求其平均,再求其平方根(squared root),就是两组变量的相关系数了。

三、在MANOVA里启用其Canonical Correlation,SPSS菜单中已找不到MANOVA了,要写如下的syntax:

MANOVA a1 a2 a3 WITH b1 b2 b3 b4 b5

/DISCRIM ALL ALPHA(1)

/PRINT=SIG(EIGEN DIM)

其产生很多个表格,最后的“Analysis of Variance -- design 1:Estimates of effects for canonical variables”给出了类似GLM的R Squared,然后再求平方根

四、如果使用SPSS15,它提供了一个"Canonical Correlations.sps"的syntax,可以调用,其结果的解读如上。

容纳的变量的个数不同。

Stata 14亮点Unicode支持,贝叶斯分析,IRT模型,Stata/MP现在支持超过21.4亿个观察值,扩展效果,更多级mixed-effects模型, 新的扩展面板数据估计,新的SEM和广义SEM特性,新的时间序列,生存分析的动力分析和应急表,新的生存分析命令,icd - 10编码,阶段的权重。STATA15.0,除了界面、DO转码、set more off的自动设置和do file edit美化等一些变化外,还增加了扩展回归模型、 潜在类别分析(LCA)、 贝叶斯前缀指令、 线性动态随机一般均衡(DSGE)模型、 web 的动态Markdown文档、 非线性混合效应模型、 空间自回归模型(SAR)、 区间删失参数生存时间模型、 有限混合模型(FMMs)、 混合Logit模型、 非参数回归、 聚类随机设计和回归模型的功率分析、 Word和PDF文档、 图形颜色透明度/不透明度、ICD-10-CM/PCS支持、 联邦储备经济数据(FRED)支持。


欢迎分享,转载请注明来源:夏雨云

原文地址:https://www.xiayuyun.com/zonghe/253575.html

(0)
打赏 微信扫一扫微信扫一扫 支付宝扫一扫支付宝扫一扫
上一篇 2023-04-15
下一篇2023-04-15

发表评论

登录后才能评论

评论列表(0条)

    保存