面板二值选择模型学习手册
本文包括面板logit模型，包括命令操作以及相关检验等内容，欢迎阅读。
一．混合面板logit与probit模型
对于面板数据，如果被解释变量为离散变量或者虚拟变量时，使用离散选择模型，也就是面板二值选择模型。以二值选择（被解释变量取值为0或1）为例，当被解释变量取1的概率为标准正态分布时，使用probit模型；当被解释变量取1的概率为logistic分布时，使用logit模型。
混合面板二值选择模型命令为logit或者probit，命令格式为：
Syntax
logit depvar [indepvars] [if] [in] [weight] [, options]
选项主要包括depvar表示被解释变量。indepvars表示解释变量， noconstant 表示不含截距项，vce(vcetype) 表示参数估计量方差协方差矩阵一致估计，包括oim, robust, cluster clustvar, bootstrap, or jackknife等。
案例讲解部分为：
webuse lbw
Logistic regression（logit回归）
logit low age lwt i.race smoke ptl ht ui
结果为：
logit, level(99)
（level(99)，置信水平，即99%。）
案例02
webuse nhanes2d
svyset
Logistic regression using survey data
svy: logit highbp height weight age female
二．面板logit与probit模型
面板二值选择模型固定效应
xtprobit y x1 x2 x3，fe
xtlogit y x1 x2 x3，fe
面板二值选择模型随机效应
Random-effects (RE) model
xtprobit depvar [indepvars] [if] [in] [weight] [, re RE_options]
Random-effects (RE) model
xtlogit depvar [indepvars] [if] [in] [weight] [, re RE_options]
案例讲解：
Setup
webuse union
Random-effects logit model
xtlogit union age grade i.not_smsa south##c.year
Fixed-effects logit model
xtlogit union age grade i.not_smsa south##c.year, fe
Hausman检验
hausman fe re
案例讲解总结
use union,clear
第一步：固定效应模型选择
Fixed-effects logit model
xtlogit union age grade i.not_smsa south##c.year, fe
estimates store fe
logit union age grade i.not_smsa south##c.year , nolog //混合面板Logit模型
estimates store logit
hausman fe logit //在混合面板Logit模型于固定效应之间选择
第二步：随机效应模型选择
Random-effects logit model
xtlogit union age grade i.not_smsa south##c.year //主要通过观察此回归结果中的LR检验与0.05比较
estimates store re
第三步：固定效应还是随机效应
hausman fe re
第四步：确定好随机效应或者固定效应模型后，再次返回去选择相对应的模型