Я хочу запустить серию полиномиальных логитов (600 по каждому ковариате интереса) и собрать z-статистику для каждого из них (мне все равно, в каком порядке они записываются).
Эти журналы запускаются на небольшом фрагменте моих данных (с общим идентификатором группы).Млогиты имеют различное количество связанных результатов (n), и будет (n - 1) z статистика, которую нужно собрать из каждого млогита.Каждый mlogit имеет вид: y = a + _b * x + \ epsilon, где y может принимать от 2 до 9 значений (по моим данным), хотя среднее значение составляет 3,7.
Я считаю, что трудности возникаютвытащить эти z-stats из mlogit, так как я не знаю, как напрямую вызвать матрицу z-stats.Мое решение состоит в том, чтобы построить z-stats из матриц e (V) и e (b).Для каждой итерации mlogit я строю матрицу z-статистики;Затем я добавляю это к предыдущей матрице z-статов (тем самым выстраивая матрицу из всех вычисленных).К сожалению, мой код, кажется, не делает это должным образом.
Симптомы следующие.Матрица mat_covariate включает в себя множество пропущенных значений (более половины значений матрицы отсутствовало в устранении неполадок, которые я сделал).Он также включает в себя много нулей (которые возможны, но маловероятны - особенно с такой скоростью, около 16%).Как написано, код еще не подавляет млогиты, которые я запускаю, и поэтому я могу вернуться и проверить, что превращается в матрицу.Не более одного значения из каждого mlogit записывается, но они часто записываются несколько раз.40% млогитов ничего не записали.
Ниже приведен соответствующий цикл:
local counter = 1
forvalues i = 1/`times' {
preserve
keep if group_id==`i'
foreach covariate in `covariates' {
if `counter' == 1 {
mlogit class `covariate'
sum outcomes_n, meanonly
local max = `r(max)'
local max_minus = `max' - 1
matrix mat_`covariate' = J(`max_minus',1,0)
forvalues j = 1/`max_minus' {
mat V = e(V)
mat b = e(b)
local z = b[1+2*(`j'-1),1] / ( V[1+2*(`j'-1),1+2*(`j'-1)] ) ^ (.5)
matrix mat_`covariate'[`j',1] = `z'
}
}
else {
mlogit class `covariate'
sum outcomes_n, meanonly
local max `r(max)'
local max_minus = `max' - 1
matrix mat_`covariate'_temp = J(`max_minus',1,0)
forvalues j = 1/`max_minus' {
mat V = e(V)
mat b = e(b)
local z = b[1+2*(`j'-1),1] / ( V[1+2*(`j'-1),1+2*(`j'-1)] ) ^ (.5)
matrix mat_`covariate'_temp[`j',1] = `z'
matrix mat_`covariate' = mat_`covariate' \ mat_`covariate'_temp
}
matrix mat_`covariate' = mat_`covariate' \ mat_`covariate'_temp
}
}
local counter = `counter'+1
restore
}
Некоторые причины, по которым я сделал некоторые вещи в цикле.Я верю, что эти вещи работают, но они не мои первые инстинкты, и мне непонятно, почему мой первый инстинкт не работает.Если есть более простой / более элегантный способ их решения, это было бы хорошим бонусом:
- главный if / else (и счетчик) - это решение проблемы, которую я не могу определить как матрицуфункция сама по себе, когда она еще не была определена.
- Я определяю локальную для максимума и отдельную для (макс-1).Цикл forvalues не будет принимать «1 / (` max'-1) {», и я не уверен, почему.
Я создал несколько примеров данных, которые можно использовать для репликации этой проблемы.Ниже приведен код файла .do, который устанавливает данные, локальные значения для цикла, цикл выше и демонстрирует симптомы, отображая соответствующую матрицу:
clear all
version 14
//================== sample data: ==================
set obs 500
set seed 12345
gen id = _n
gen group_id = .
replace group_id = 1 if id <= 50
replace group_id = 2 if id <= 100 & missing(group_id)
replace group_id = 3 if id <= 150 & missing(group_id)
replace group_id = 4 if id <= 200 & missing(group_id)
replace group_id = 5 if id <= 250 & missing(group_id)
replace group_id = 6 if id <= 325 & missing(group_id)
replace group_id = 7 if id <= 400 & missing(group_id)
replace group_id = 8 if id <= 500 & missing(group_id)
gen temp_subgroup_id = .
replace temp_subgroup_id = floor((3)*runiform() + 2) if group_id < 6
replace temp_subgroup_id = floor((4)*runiform() + 2) if group_id < 8 & missing(temp_subgroup_id)
replace temp_subgroup_id = floor((5)*runiform() + 2) if missing(temp_subgroup_id)
egen subgroup_id = group(group_id temp_subgroup_id)
bysort subgroup_id : gen subgroup_size = _N
bysort group_id subgroup_id : gen tag = (_n == 1)
bysort group_id : egen outcomes_n = total(tag)
gen binary_x = floor(2*runiform())
//================== locals: ==================
local covariates binary_x
local times = 8
// times is equal to the number of group_ids
//================== loop in question: ==================
local counter = 1
forvalues i = 1/`times' {
preserve
keep if group_id==`i'
foreach covariate in `covariates' {
if `counter' == 1 {
mlogit subgroup_id `covariate'
sum outcomes_n, meanonly
local max = `r(max)'
local max_minus = `max' - 1
matrix mat_`covariate' = J(`max_minus',1,0)
forvalues j = 1/`max_minus' {
mat V = e(V)
mat b = e(b)
local z = b[1+2*(`j'-1),1] / ( V[1+2*(`j'-1),1+2*(`j'-1)] ) ^ (.5)
matrix mat_`covariate'[`j',1] = `z'
}
}
else {
mlogit subgroup_id `covariate'
sum outcomes_n, meanonly
local max `r(max)'
local max_minus = `max' - 1
matrix mat_`covariate'_temp = J(`max_minus',1,0)
forvalues j = 1/`max_minus' {
mat V = e(V)
mat b = e(b)
local z = b[1+2*(`j'-1),1] / ( V[1+2*(`j'-1),1+2*(`j'-1)] ) ^ (.5)
matrix mat_`covariate'_temp[`j',1] = `z'
matrix mat_`covariate' = mat_`covariate' \ mat_`covariate'_temp
}
matrix mat_`covariate' = mat_`covariate' \ mat_`covariate'_temp
}
}
local counter = `counter' + 1
restore
}
//================== symptoms: ==================
matrix list mat_binary_x
Я пытаюсь выяснить, чтонеправильно в моем коде, но я не смог найти проблему (хотя я обнаружил некоторые другие мелкие ошибки, но ни одна из них не повлияла на основную проблему - я был бы не удивлен, если есть несколько ошибок).