Meqrlogit posestimação

meqrlogit posestimação - ferramentas de posestimação para o meqrlogit

Descrição
Os seguintes comandos posestimação são de especial interesse depois do meqrlogit:

estat group resumi a composição dos grupos aninhados
estat recovariance exibi os efeitos aleatórios da matriz de covariância estimada (ou matrizes)
estat icc estima as correlações intraclasse

Os seguintes comandos padrões de posestimação também estão disponíveis:

[pic 1]

Comandos de posestimação de especial interesse

estat group reporta o número de grupos e mínima, média e tamanhos máximos de grupo para cada nível do modelo. Níveis do modelo são identificados pela variável grupo correspondente nos dados. Como os grupos são tratadas como aninhados, as informações neste resumo pode diferir do que você obteria se você usou o comando tabulate em cada variável grupo individualmente.

estat recovariance exibe a matriz de variância-covariância estimada dos efeitos aleatórios para cada nível no modelo. Os efeitos aleatórios pode ser tanto intercepta aleatório, caso em que as linhas e colunas correspondentes da matriz são rotulados como cons, ou coeficientes aleatório, neste caso, o rótulo é o nome da variável associados aos dados.

estat icc mostra a correlação intraclasse para pares de respostas lineares latentes em cada nível aninhado do modelo. As correlações intraclasse estão disponíveis para os modelos de intercepto aleatório ou para modelos de coeficientes aleatórios condicionais em co-variáveis de efeitos aleatórios é igual a 0. Eles não estão disponíveis para modelos de efeitos cruzados.

Sintaxe para previsão

Sintaxe para a obtenção de efeitos aleatórios estimados e seus erros padrão

[pic 2]

[pic 3]

Menu para previsão

Statistics > Postestimation > Predictions, residuals, etc.

Opções para previsão

Reffects calcula estimativas modais posteriores dos efeitos aleatórios. Por padrão, as estimativas para todos os efeitos aleatórios do modelo são calculados. No entanto, se a opção relevel (levelvar) é especificado, então estimativas apenas levelvar nível no modelo são calculados. Por exemplo, se as classes estão aninhadas dentro das escolas, em seguida, digitando

[pic 4]

produziria as estimativas de efeitos aleatórios a nível da escola. Você deve especificar novas variáveis q, onde q é o número de termos de efeitos aleatórios no modelo (ou nível). No entanto, é muito mais fácil simplesmente especifique stub * e deixe o Stata nomear as variáveis stub1, stub2,:::, stubq para você.

Os reffects e opções reses muitas vezes gerar várias novas variáveis ao mesmo tempo. Quando isto ocorre, os efeitos aleatórios (erros-padrão) ou contidas nas variáveis geradas correspondem à ordem em que os componentes de variância são listados na saída de meqrlogit. Ainda, examinando os rótulos variáveis das variáveis geradas (com o comando descrevem, por exemplo) pode ser útil na decifração que variáveis correspondem aos quais os termos no modelo.

relevel (levelvar) especifica o nível no modelo em que as previsões para os efeitos aleatórios e seus erros padrão são para ser obtido. levelvar é o nome do modelo de nível e é o nome da variável descrevendo o agrupamento a esse nível ou é _all, uma designação especial para um grupo que compreende todos os dados de estimativa.

mu, o padrão, calcula a média prevista. Por padrão, isso é baseado em um preditor linear que inclui tanto os efeitos fixos e os efeitos aleatórios, ea média prevista está dependente dos valores dos efeitos aleatórios. Use a opção fixedonly (veja abaixo) se você quiser previsões que incluem apenas a parte fixa do modelo, ou seja, se você quiser efeitos aleatórios definidos para 0.

xb calcula predição linear  xb com base nos efeitos estimados fixos (coeficientes) do modelo. Isto é equivalente a fixação de todos os efeitos aleatórios do modelo para o seu valor médio teórico de 0.

stdp calcula o erro padrão de efeitos fixos do preditor linear xb.

Pearson calcula os resíduos de Pearson. Resíduos de Pearson grandes em valor absoluto podem indicar uma falta de ajuste. Por padrão, os resíduos incluem tanto a parte fixa e a parte aleatória do modelo. A opção fixedonly modifica o cálculo para incluir apenas a parte fixa.

deviance  calcula os resíduos desviduais. Os resíduos desviduais são recomendados por McCullagh e Nelder (1989) como tendo as melhores propriedades para examinar a qualidade do ajuste de um GLM. Eles são aproximadamente normalmente distribuídos se o modelo está especificado corretamente. Eles podem ser plotados contra os valores ajustados ou contra uma co-variável para inspecionar o ajuste do modelo. Por padrão, os resíduos incluem tanto a parte fixa como a parte aleatória do modelo. A opção fixedonly modifica o cálculo para incluir apenas a parte fixa.

anscombe calcula os resíduos anscombe, que são projetados para acompanhar de perto uma distribuição normal. Por padrão, os resíduos incluem tanto a parte fixa como a parte aleatória do modelo. A opção fixedonly modifica o cálculo para incluir apenas a parte fixa.

nooffset só é relevante se você especificar offset (varname) com meqrlogit. Ele modifica os cálculos feitos por previsão, de modo que eles ignoram a variável de deslocamento; a previsão linear é tratada como Xb + Zu ao invés de Xb + Zu + offset.

fixedonly modifica previsões para incluir apenas a parte fixa do modelo, equivalente a definir todos os efeitos aleatórios iguais a 0; veja a opção mu.

Sintaxe para estat

Resumir a composição dos grupos aninhados

estat group

Mostra as estimativas de efeitos aleatórios da matriz de covariância (ou matrizes)

  [pic 5]

Menu para o estat

Statistics > Postestimation > Reports and statistics

Opções para estat recovariancia

relevel(levelvar) especifica o nível do modelo para o qual a matriz covariância de efeitos aleatórios deve ser exibida e retorna em r (COV). Por padrão, as matrizes de covariância para todos os níveis do modelo são exibidos. levelvar é o nome do modelo de nível e é o nome da variável descrevendo o agrupamento ou a esse nível é _all, uma designação especial para um grupo que compreende todos os dados de estimativa.