《高级计量经济学与Stata应用》第十三章

一、排序模型（Ordered Models）

• 定义与背景：介绍排序模型的基本概念，即因变量是有序的类别变量，如满意度调查中的“非常满意”、“满意”、“一般”、“不满意”、“非常不满意”等。
• 常见模型：如有序Logit模型（Ordered Logit Model）和有序Probit模型（Ordered Probit Model）。
• 模型设定：阐述排序模型的基本形式，包括因变量、自变量以及模型的参数估计方法。
• 参数解释：解释排序模型中系数的含义，特别是如何通过系数来解释自变量对因变量取不同有序类别概率的影响。
• 估计与检验：讨论排序模型的估计方法（如最大似然估计法）以及模型拟合优度检验、参数显著性检验等统计检验方法。
  

二、计数模型（Count Models）

• 定义与背景：介绍计数模型的基本概念，即因变量是计数数据，如企业每年的专利申请数、医院每天的就诊人数等。
• 常见模型：如泊松回归（Poisson Regression）和负二项回归（Negative Binomial Regression）。
• 模型设定：阐述计数模型的基本形式，包括因变量、自变量以及模型的参数估计方法。特别是要注意计数数据通常具有过离散性（overdispersion），即观测到的方差大于泊松分布所预测的方差。
• 参数解释：解释计数模型中系数的含义，特别是如何通过系数来解释自变量对因变量计数的影响。
• 估计与检验：讨论计数模型的估计方法以及模型拟合优度检验、参数显著性检验等统计检验方法。特别要注意对过离散性的检验和处理。
  

三、扩展与应用

• 模型比较与选择：讨论不同排序模型和计数模型之间的比较和选择依据，以及在实际应用中的适用性。
• 实证研究案例：通过具体的实证研究案例，展示排序与计数模型在实际研究中的应用过程和分析方法。
  

四、Stata应用

• 命令与操作：详细介绍在Stata中进行排序与计数模型分析的命令和操作步骤，包括数据准备、模型设定、参数估计、结果解释等。
• 实例分析：通过具体的Stata实例，展示如何应用排序与计数模型解决实际问题。