stata+p值多少才显著

首页 >> 正文

stata+p值多少才显著

来源：baiyundou.net 日期：2024-09-21

双重差分法(DID)估计是最常用的因果推理方法之一。Stata的didregress和xtdidregress命令适用于重复横截面和面板数据的DID和三重差分(DDD)模型。DID和DDD模型控制未观测到的组和时间固定效应，一致地估计被治疗者的平均治疗效应( ATET )。

模型的关键假设可以通过estat trendplot、estat ptrends和estat granger命令来进行检验和图形化展示。

如果要估计不同时间和处理序列的ATETs，您可以使用Stata的新命令：hdidregress和xthdidregress。

• 用于ATET估计的DID和DDD模型:

– 重复横截面数据

– 面板数据

• Donald和Lang聚合方法

• Wild bootstrap P值和置信区间

• Bell和McCarey对偏差校正标准误差的自由度调整

• 均值结果和预处理平行趋势图形诊断

• Granger类型和预处理平行趋势检验

• 异构DID模型

• Bacon分解法评估处理效应异质性

拟合DID模型和ATET估计

我们想研究新的住院程序对患者满意度的影响，需要使用一些医院实施新程序之前和之后的每月患者数据。

. didregress (satis) (procedure),group(hospital) time(month)

手术满意度的ATET为0.85，分别考虑医院和每月固定效应。95% CI不包括0。

如果我们的数据是面板数据，可以使用xtset并输入：

. xtdidregress (satis) (procedure),group(hospital) time(month)

• 图形诊断

我们的DID模型假设，在实施新程序之前，对照组和实验组的满意度趋势是平行的。我们可以用estat trendplot对这一假设进行诊断。

• 预处理平行趋势检验

我们可以使用estat ptrends的正式统计检验来补充我们得出的图形诊断。

因此，预处理平行趋势的零假设并没有被拒绝。

• Granger因果性检验

我们的DID模型还可以假设治疗组和对照组在预期治疗时不会改变他们的行为。为了检验这一假设，我们可以使用estat granger来进行Granger因果检验。

预期治疗时没有行为改变的无效假设没有被拒绝。还可以使用estat grangerplot进行图形诊断。

• 计算相应的标准误差

有多个小组的情况是很常见的。在这些场景中，聚类稳健标准误差是不可靠的。对于这种情况，我们可以使用替代方法来计算标准误差。

我们可以通过添加vce(HC2)选项来使用经过HC2偏差调整的聚类稳健标准误差。

. didregress (satis) (procedure),group(hostpital) time(month) vce(hc2)

我们可以通过使用aggregate(dlang)选项来使用Donald和Lang聚合方法。

. didregress (satis) (procedure),group(hospital) time(month)aggregate(dlang)

野聚类自助法P值和置信区间功能也是可用的。与所有自举方法一样，我们需要设置一个种子以使结果可复制。

. didregress (satis) (procedure),group(hospital) time(month)wildbootstrap(rseed(123))

• DDD模型

要拟合DDD模型，只需向group()选项添加另一个变量，并定义新的处理过的观测值。

. didregress (satis) (new_treated),group(hospital another_group)time(month)

• 治疗时间变化时的治疗异质性检验

如果个体在不同的时间治疗，每个治疗队列的ATET可能会改变。如果是，则DID估计结果不一致。

我们可以使用Bacon分解来检验didregress和xtdidregress的ATET异质性，输入

. estat bdecomp

我们可以通过输入下列命令，以图表的形式展示结果

. estat bdecomp, graph

异质性DID

当治疗效果随时间变化且在不同队列中时，使用异质性DID估计ATETs结果是不同的。这时可以使用Stata的新命令hdidreress和xthdidreress，它会通过重复的横断面数据和面板数据来估计每个队列和时间段的ATETs。

• 每个队列和时期的ATET估计

– 重复横截面数据

– 面板数据

• ATETs 通过以下方式集合

– 组群

– 周期

– 暴露疗法

• 治疗效果异质性绘图和检验

• 同时置信区间

• 四个估算量

– 回归调整(RA)

– 逆概率加权法(IPW)

– 增广逆概率加权法(AIPW)

– 双向固定效应回归(TWFE)

• 预处理平行趋势检验

拟合具有异质处理效果的模型

我们想知道一个名为“健康习惯”的学区项目是否对学生的身体质量指数(BMI)有影响。我们的数据是学区级别的，其中包括学校是否参与该项目和学生的BMI等信息。从2013年到2020年，我们对40个学区的学生进行了重复抽样。我们使用aipw估计器对结果和治疗进行建模。

. hdidregress aipw (bmi medu) (hhabit parksd)group(schools) time(year)

AIPW估计器具有双重稳健性，这意味着即使治疗模型或结果模型(两者不能兼有)设定错误，估计仍然是一致的。治疗效果的异质性在结果中很明显，ATET估算值则因队列和时间组合而异。

可视化每个队列的ATETs

只看所有的ATETs估计是很难看出ATETs的具体趋势的。我们可以使用estat atetplot来可视化每个群组的ATETs时间概况。我们指定sci选项来显示同时置信带，该置信带覆盖了具有预定义概率水平的所有队列和时间的ATET的真实值。

. estat atetplot, sci

聚合ATETs

在调整模型时，我们可以使用estat aggregation来汇总队列、时间或治疗暴露中的ATETs。例如，我们使用estat aggregation, cohort来总结每个队列中的ATETs。

. estat aggregation, cohort graph

如果我们想要在一定时间内汇总ATETs，可以使用estat aggregation来指定time选项。

. estat aggregation, time graph

最后，如果我们想总结不同治疗时间内的ATETs，可以指定dynamic选项。

. estat aggregation, dynamic graph

北京天演融智软件有限公司（科学软件网）是STATA软件在中国的授权经销商，为中国的软件用户提供优质的软件销售和培训服务。

","gnid":"972b14ac508ae1749","img_data":[{"flag":2,"img":[{"desc":"","height":"383","title":"","url":"https://p0.ssl.img.360kuai.com/t01931e6ad0fd5810a2.png","width":"900"},{"desc":"","height":"419","title":"","url":"https://p0.ssl.img.360kuai.com/t01eb62f5fe4982899e.png","width":"692"},{"desc":"","height":"359","title":"","url":"https://p0.ssl.img.360kuai.com/t013e0223101034d570.png","width":"695"},{"desc":"","height":"381","title":"","url":"https://p0.ssl.img.360kuai.com/t01a20b31de30ff7049.png","width":"627"},{"desc":"","height":"255","title":"","url":"https://p0.ssl.img.360kuai.com/t0190271e5401a49b10.png","width":"694"},{"desc":"","height":"254","title":"","url":"https://p0.ssl.img.360kuai.com/t016e612f1fd76f74cb.png","width":"691"},{"desc":"","height":"420","title":"","url":"https://p0.ssl.img.360kuai.com/t01d70903232c55da24.png","width":"694"},{"desc":"","height":"773","title":"","url":"https://p0.ssl.img.360kuai.com/t01cb240fe35b514cc4.png","width":"619"},{"desc":"","height":"367","title":"","url":"https://p0.ssl.img.360kuai.com/t01ac9cbd4f1ca2cc0d.png","width":"609"},{"desc":"","height":"287","title":"","url":"https://p0.ssl.img.360kuai.com/t010d2a9ed040818590.png","width":"607"},{"desc":"","height":"368","title":"","url":"https://p0.ssl.img.360kuai.com/t01e7939f217d8eb6b2.png","width":"610"},{"desc":"","height":"324","title":"","url":"https://p0.ssl.img.360kuai.com/t016190c4b8ee0309c2.png","width":"602"},{"desc":"","height":"368","title":"","url":"https://p0.ssl.img.360kuai.com/t01a27381672c01f697.png","width":"605"},{"desc":"","height":"429","title":"","url":"https://p0.ssl.img.360kuai.com/t01f4cc920cc3a61266.png","width":"604"},{"desc":"","height":"367","title":"","url":"https://p0.ssl.img.360kuai.com/t011e06853b1dd5f53a.png","width":"605"}]}],"original":0,"pat":"art_src_0,fts0,sts0","powerby":"cache","pub_time":1712913424000,"pure":"","rawurl":"http://zm.news.so.com/94fe3de7a27e3dfa937cb3a84d1e4088","redirect":0,"rptid":"327741b48e99043e","rss_ext":[],"s":"t","src":"天演融智","tag":[],"title":"Stata软件之双重差分法（DID）

毕虽温1136stata中cnsreg命令显示结果中右上角的F检验是检验什么的? -
逄盼强14778157949 ______ F检验就是联合显著检验检验回归方程是不是所有变量整体显著你不要看自由度,直接看对应的P值,P值小于0.05,就是联合显著啦 http://zh.wikipedia.org/wiki/F检验这个网址是F检验的定义

毕虽温1136STATA中Hausman检验的p值是0.0880,是使用固定效应模型还是随机效应模型?急啊~~ -
逄盼强14778157949 ______[答案] p=0就是fe,你的p是0.088的话要看你用1%,5%还是10%了,1和5的就用re,10就用fe

毕虽温1136求助Stata多元Logit回归分析结果解释 -
逄盼强14778157949 ______ 因为你的q1有三个值,分别是1,2,3,回归结果就有三行数据.其中,在结果数据中,q1=2的情况最多,所以是基准输出,表中系数回归的结果,是相对于q=2进行比较的数据,值为正表示可能性比q=2大,反之表示可能性比之小.所以你的结果中有三行数据.希望帮到你.

毕虽温1136stata中运行reg y x, robust出来的结果代表什么 -
逄盼强14778157949 ______ 1.估计方法采用的是最小二乘的方法 2.robust选项表明标准误经过怀特异方差修正,从而使结果更稳健. 3.F 值越大,p值越低,也就是说所有系数的联合显著性越高,换句话说就是所有变量的系数都为零的可能性越低.

毕虽温1136求哪位大神帮我看一下为什么我的stata回归分析相关系数一个变量会有两个数据的?这是对的吗,怎么解释急 -
逄盼强14778157949 ______ 一个系数一个p值

毕虽温1136求STATA达人分析一个线性回归的结果!!! -
逄盼强14778157949 ______ 方程整体显著性检验F值对应的P值大于0.05,说明整个方程是不显著的每股收益显著性检验t值对应的p值大于0.05,说明每股收益对股价的影响是不显著的每股收益的回归系数为18.36,说明保持其他条件不变的前提下,每股收益每增加1个单位,股价就增加18.36.但是因为每股收益的回归系数没有通过t检验,所以这个结论是不成立的这个方程很有问题,原因是只有3个观测值

毕虽温1136想用stata做60次回归分析,自变量都相同(7个),怎样一次性操作? -
逄盼强14778157949 ______ forvalues x=1/60{ y`x' ............这里列你的自变量(每次可一样,也可不一样,加下标就是了,就是用`x'这个加下标,每循环一次,下标会自动加1,从1一直到60,共做60次) } 你可以copy以上代码,加入你自己的变量就可以了.

毕虽温1136如何用stata选择某一变量的中位数数据 -
逄盼强14778157949 ______ test语句的用法:test+式子,是用F检验来检验后面式子中变量对应的系数是否满足式子的数学关系.如果你需要T检验用ttest语句.你这个test语句的结果是这样的:你检验了是否ch、ma、en、se四个变量前面的系数是否相等(不知道你是否是要这个结果,不过你的语句是这样的),你虽然只写了一个式子,但是stata自动的分成了三个式子(就是底下的1、2、3,不过只是等价一下,告诉你F检验的第一个自由度为什么是3).最后的结论里F较小,P值较大,则在10%的显著性下是不显著的,可以说,你所检验的假设并不统计显著,也就是说,我们没有理由认为ch、ma、en、se四个变量前面的系数相等.

毕虽温1136stata中运行为什么会出现invalid name -
逄盼强14778157949 ______ 就是变量名字不对,核实一下,stata的资料我这里很多的

毕虽温1136统计问题,求大神帮忙解释一下这个数据的STATA软件的输出结果 -
逄盼强14778157949 ______ 两年没上百度了,昨天给我推荐一个,今天又来一个.好吧,试着回答一下. 这就是correlation matrix,就是相关性矩阵.任何统计软件上都会有计算方法.简单点说,负号表示负相关,正数表示正相关.再简单点,举个例子,FF和EN相关性是0.01,意思是FF越高,EN越高,反之亦然. 再看后面的星星*,统计学上,意思是这个结果很明显,可以接受.每一行变量的相关系数下面的数字是P值.目测楼主默认的显著水平是0.05,就是说小于0.05的P值结果都可以接受.比如FF和EN正相关性十分明显(P值=0)的这个结果是可以接受的.但是实际运用里面不一定要求很严格.这个看自己.想了解得更多可以去看统计学教材.

（编辑：自媒体）