Сокращение результатов Stata - PullRequest
0 голосов
/ 07 апреля 2020

У меня много линейных регрессий и пробитных моделей с огромным числом ковариат. Это означает, что каждый раз, когда Stata заканчивает вычислять и распечатывать результаты, выдает огромный список коэффициентов. И каждый раз мне приходится двигаться до начала такого списка, где печатаются основные коэффициенты.

Я хотел бы знать, есть ли способ избежать этого. Я искал вариант для печати только определенного количества строк. Моя вторая попытка состояла в запуске регрессии с использованием опции -quietly- и последующей попытке печати заданного числа строк. Но я не очень знаком со Статой. Я обычно работаю в R , но на этот раз я должен использовать Stata , поэтому я борюсь с этим коммерческим программным обеспечением.

Для линейных регрессий -areg- Функция предлагает частичное решение моей проблемы, но эта функция позволяет мне «поглощать» только одну факторную переменную. Но мне нужно учесть больше переменных, а также запустить пробные модели. Следовательно, -areg- не работает для меня.

У кого-нибудь есть хитрость, чтобы решить эту проблему? Выводить только выбор ковариат в Stata?

ОБНОВЛЕНИЕ:

Минимальный пример: у меня есть следующая линейная регрессия со многими местами и единицами времени в виде FE.

regress depVar Var1 Var2-Var15 i.place i.time [pw = myweigth], cluster(ID)

Мне интересно посмотреть только коэффициенты Var*. Но каждый раз, когда я запускаю регрессию, я получаю тысячи коэффициентов для FE.

Я отправляю один и тот же вопрос на Reddit и получаю следующие комментарии:

https://www.reddit.com/r/stata/comments/fwtds4/cutting_down_stata_results/

В общем то, что я искал. По сути, решается с помощью пакета estout и его функций -estout- и -esttab-:

estout myRegression: quietly ///
 regress depVar Var1 Var2-Var15 i.place i.time [pw = myweigth], cluster(ID)
esttab myRegression, drop(place time)

Может быть, кто-то может обогатить этот подход. Спасибо!

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...