關(guān)于oprobit的問題

尊敬的老師：

您好！

在寫畢業(yè)論文的過程中涉及到了ordered probbit模型，使用的是面板cfps數(shù)據(jù)研究對政府官員的信任度，在回歸過程中遇到了以下問題：

1.oprobit在回歸時可以加個體固定效應(yīng)嗎，如 xtoprobit y x ..... i.year i. id (id為個體編碼)

2.在用reg 和xtoprobit命令分別回歸的時候?yàn)槭裁聪禂?shù)的符號會不同

3.如果1中的命令不正確那可以請教一下oprobit在面板數(shù)據(jù)回歸時應(yīng)該怎么寫命令嗎？

首先，類似probit的非線性模型中，最好不要直接控制個體固定效應(yīng)（特別當(dāng)個體比較多時），這會帶來統(tǒng)計(jì)上所謂的“incidental parameterproblem”。而xt開頭的命令（xtprobit, xtoprobit等）可以使用隨機(jī)效應(yīng)估計(jì)，但這又施加了比較強(qiáng)的假設(shè)。伍德里奇在其高級教科書的第16章中建議將Chamberlain/Mundlak設(shè)定引入到這種情況中。具體步驟如下：

1、使用oprobit而不是xtoprobit命令。

2、對每一個自變量，生成一個對應(yīng)的新自變量。在該新變量中，每個個體的取值是常數(shù)，等于該個體原自變量在各年份的均值；不同個體對應(yīng)不同的均值常數(shù)。

3、在oprobit回歸中，控制所有的原自變量、新自變量（對于原本就不隨時間變化的變量，例如性別，原變量與新變量是完全一樣的，只控制一個就好）、時間固定效應(yīng)（i.year），并且標(biāo)準(zhǔn)誤聚類在個體（id）層面。

上述做法本質(zhì)上近似估計(jì)了一個固定效應(yīng)模型，但有效避免了“incidentalparameter problem”。

往期回顧：

互助問答第428期：關(guān)于回歸模型中變量相關(guān)的問題

如果您在計(jì)量學(xué)習(xí)和實(shí)證研究中遇到問題，有三條途徑可以到達(dá)我們手里：一是請及時發(fā)到郵箱szlw58@126.com；二是加入論文導(dǎo)向計(jì)量群（現(xiàn)有10個群）；三是直接在微信公眾號平臺后臺留言。專業(yè)委員會有40多名編輯都會看，您的問題會得到及時關(guān)注！請您將問題描述清楚，任何有助于把問題描述清楚的細(xì)節(jié)都能使我們更方便地回答您的問題，提問細(xì)則參見：實(shí)證研究互助平臺最新通知（點(diǎn)擊文末閱讀原文查看詳情）

如果您想成為問題解答者，在幫助他人過程中鞏固自己的知識，請發(fā)郵件至szlw58@126.com（優(yōu)先）或給本公眾號留言或加微信793481976給群主留言，我們誠摯歡迎熱心的學(xué)者和學(xué)生。具體招募信息請參見：實(shí)證研究互助平臺志愿者團(tuán)隊(duì)招募公告

鮮活的事例更有助于提高您的研究水平，呆板的教科書讓人生厭。如果您喜歡，請?zhí)岢瞿膯栴}，也請轉(zhuǎn)發(fā)推廣！

（歡迎轉(zhuǎn)發(fā)，歡迎分享；轉(zhuǎn)載請注明出處，引用和合作請留言。本文作者擁有所有版權(quán)，原創(chuàng)文章最早發(fā)表于“學(xué)術(shù)苑”。任何侵權(quán)行為將面臨追責(zé)?。?/p>

學(xué)術(shù)指導(dǎo)：張曉峒老師 Ben Lambert

本期解答人：中關(guān)村大街

編輯：陳孜晗

統(tǒng)籌：左川 易仰楠

技術(shù)：劉子瑗