如何运行报告所有因子变量的回归？答案

【问题标题】：How to run a regression which report all factor variables?如何运行报告所有因子变量的回归？
【发布时间】：2018-10-07 06:15:59
【问题描述】：

我想运行一个regression 来计算factor 变量所有级别的估计值。默认情况下，Stata 省略了一个虚拟对象作为base 级别。

当我使用allbaselevels 选项时，它只显示base 级别的零值：

regress adjusted_volume i.rounded_time, allbaselevels

SAS 显示移除常数后分类变量的所有估计值。

我怎样才能在 Stata 中做同样的事情？

【问题讨论】：

标签： statistics regression stata categorical-data economics

【解决方案1】：

选项allbaselevels 是几个显示选项 之一，在报告来自regress 等估计命令的结果时非常有用。但是将其指定为选项不会对计算产生任何影响。

正如 Stata manual 指出的那样：

"...allbaselevels 选项很像 baselevels，除了 allbaselevels 列出交互作用和主效应中的基本级别。指定 allbaselevels 将使输出更易于理解..."

您真正需要的是ibn. 因子变量运算符：

. sysuse auto, clear
(1978 Automobile Data)

. regress mpg ibn.rep78
note: 5.rep78 omitted because of collinearity

  Source |       SS           df       MS          Number of obs   =        69
-------------+----------------------------------   F(4, 64)        =      4.91
   Model |  549.415777         4  137.353944       Prob > F        =    0.0016
Residual |  1790.78712        64  27.9810488       R-squared       =    0.2348
-------------+----------------------------------   Adj R-squared   =    0.1869
   Total |   2340.2029        68  34.4147485       Root MSE        =    5.2897

------------------------------------------------------------------------------
     mpg |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
   rep78 |
      1  |  -6.363636   4.066234    -1.56   0.123    -14.48687    1.759599
      2  |  -8.238636   2.457918    -3.35   0.001    -13.14889    -3.32838
      3  |  -7.930303    1.86452    -4.25   0.000    -11.65511   -4.205497
      4  |   -5.69697    2.02441    -2.81   0.006    -9.741193   -1.652747
      5  |          0  (omitted)
         |
   _cons |   27.36364   1.594908    17.16   0.000     24.17744    30.54983
------------------------------------------------------------------------------

当然，你还需要指定noconstant选项：

. regress mpg ibn.rep78, noconstant

  Source |       SS           df       MS          Number of obs   =        69
-------------+----------------------------------   F(5, 64)        =    227.47
   Model |  31824.2129         5  6364.84258       Prob > F        =    0.0000
Residual |  1790.78712        64  27.9810488       R-squared       =    0.9467
-------------+----------------------------------   Adj R-squared   =    0.9426
   Total |       33615        69  487.173913       Root MSE        =    5.2897

------------------------------------------------------------------------------
     mpg |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
   rep78 |
      1  |         21   3.740391     5.61   0.000     13.52771    28.47229
      2  |     19.125   1.870195    10.23   0.000     15.38886    22.86114
      3  |   19.43333   .9657648    20.12   0.000       17.504    21.36267
      4  |   21.66667   1.246797    17.38   0.000      19.1759    24.15743
      5  |   27.36364   1.594908    17.16   0.000     24.17744    30.54983
------------------------------------------------------------------------------

【讨论】：

谢谢斯宾塞。使用稳健回归怎么样？因为rreg 没有noconstant 选项。
不幸的是，并非所有命令都支持所有选项。如果noconstant 不支持rreg，那么你就做不到。为什么不使用regress 中的vce(robust) 选项？