Stata多项式回归-后估计Wald检验

如何解决Stata多项式回归-后估计Wald检验

我已经在Stata中进行了多项逻辑回归分析，然后进行了Wald检验，希望有人可以确认我的代码正在执行我认为正在执行的操作。

注意：我使用的是Stata的示例数据来说明。我为此示例运行的分析是完全没有意义的，但是使用了与“真实”分析相同的过程，除了我的真实分析还包括一些概率权重和其他协变量之外。

sysuse auto.dta

首先，我运行多项式逻辑回归，从“外国”和“价格”预测“维修记录”：

mlogit rep78 i.foreign price,base(1) rrr nolog

Multinomial logistic regression                 Number of obs     =         69
                                                LR chi2(8)        =      31.15
                                                Prob > chi2       =     0.0001
Log likelihood = -78.116372                     Pseudo R2         =     0.1662

------------------------------------------------------------------------------
       rep78 |        RRR   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
1            |  (base outcome)
-------------+----------------------------------------------------------------
2            |
     foreign |
    Foreign  |   .7822853   1672.371    -0.00   1.000            0           .
       price |   1.000414   .0007027     0.59   0.556     .9990375    1.001792
       _cons |   .5000195   1.669979    -0.21   0.836      .000718    348.2204
-------------+----------------------------------------------------------------
3            |
     foreign |
    Foreign  |     686842   1.30e+09     0.01   0.994            0           .
       price |   1.000462   .0006955     0.66   0.507     .9990996    1.001826
       _cons |   1.254303   4.106511     0.07   0.945     .0020494    767.6863
-------------+----------------------------------------------------------------
4            |
     foreign |
    Foreign  |    6177800   1.17e+10     0.01   0.993            0           .
       price |   1.000421   .0006999     0.60   0.547     .9990504    1.001794
       _cons |   .5379627     1.7848    -0.19   0.852     .0008067    358.7452
-------------+----------------------------------------------------------------
5            |
     foreign |
    Foreign  |   2.79e+07   5.29e+10     0.01   0.993            0           .
       price |   1.000386   .0007125     0.54   0.587     .9989911    1.001784
       _cons |    .146745   .5072292    -0.56   0.579     .0001676    128.4611
------------------------------------------------------------------------------

第二，我想知道结果类别4的“外国”系数是否与结果类别5的“外国”系数显着不同。因此，我进行了Wald检验：

test [4]1.foreign = [5]1.foreign

 ( 1)  [4]1.foreign - [5]1.foreign = 0

           chi2(  1) =    2.72
         Prob > chi2 =    0.0988

据此，我得出结论，结果类别4的“外国”系数与结果类别5的“外国”系数没有显着不同。简而言之，“外国”和“维修4”之间的关联（比较“修复1”）等于“外国”与“修复5”之间的关联（与“修复1”相比）。

我的Wald测试代码以及​​对它的功能和显示的推论是否正确？

解决方法

此外，对于注释中讨论的内容，您还可以使用以下代码执行似然比检验。

sysuse auto.dta

qui mlogit rep78 i.foreign price,base(1) rrr nolog 
estimate store unrestricted

constraint 1 [4]1.foreign = [5]1.foreign

qui mlogit rep78 i.foreign price,base(1) rrr nolog constraints(1)
estimate store restricted

lrtest unrestricted restricted

该测试的输出显示与Wald测试相同的结论，但是具有更好的性能，如下所述。

Likelihood-ratio test                                 LR chi2(1)  =      3.13
(Assumption: restricted nested in unrestricted)       Prob > chi2 =    0.0771

从mlogit引述官方documentation

test产生的结果是基于系数的估计协方差矩阵的近似值。因为未保险的可能性很低，所以对数可能性对于未保险的人可能是非线性的。传统的统计智慧不是在这种情况下相信渐近答案，而是进行似然比检验。