note: 0.ymulti != 1 predicts success perfectly;
       0.ymulti omitted and 1317 obs not used.   
这是提到的用logit命令时， stata给出的note

1、firthlogit直接给出的结果不就是coef吗？logit命令后使用 listcoef, std help 命令给出的系数与logit显示的结果无二啊
2、看不到橙色部分在哪里

它是给出的coef系数，可是这个系数是非标准化的，我想要标准化后的回归系数。
橙色部分它没显示，所以我就zai2留言里补充上了

这是提到的橙色部分

在Stata中使用Firth logistic回归时获取标准化的回归系数（通常指标准偏回归系数）并不直接像`logit`命令那样容易。这是因为`firthlogit`命令主要关注于修正小样本偏差和解决完全或准完全分离的问题，而没有内置功能来直接计算标准化系数。

不过，你仍然可以通过一些间接方式来实现这一目标：

### 1. 计算标准化系数的方法
一个常见但繁琐的方式是手动计算标准化回归系数。对于二元或连续预测变量，你可以将该变量转换为标准分数（即减去其均值后除以标准差）然后重新运行`firthlogit`命令。

例如：
```stata
gen std_X = (X - r(mean))/r(sd)
firthlogit y i.covars std_X if !missing(std_X), or nolog
```
假设`X`是你的预测变量，`y`是因变量。你需要为每个预测变量重复这一过程。

### 2. 使用其他命令解决橙色部分的问题
如果问题在于Stata自动剔除了某一变量（如`ymulti`）可能是因为该变量的分类完全与因变量中的某个类别对应，导致完全分离问题。除了使用Firth回归外，你还可以考虑以下方法：

- **增加样本量**：这是最直接但也是最难实现的方式。
- **使用Bayesian logistic regression** 或其他贝叶斯方法来处理小样本或完全分离的问题。`bayes: logit y covars` 可以是一个选项。
- **尝试将变量转换为连续型或减少分类的数量**，这可能帮助缓解完全分离问题。

### 3. 使用R进行标准化系数计算
另一个选择是使用R语言和`logistf`包（专门用于Firth逻辑回归），其中提供了直接获取标准化系数的方法。你可以在Stata中导出数据到R格式，然后在R中分析并读回结果。

希望这些方法能够帮助你解决目前的问题！如果你对具体实施步骤有疑问，可以进一步说明。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用