小弟看文献时候发现，作者在做mlogit分析的时候也输出了model calibration and discrimination分析结果，其中model calibration 用的是 Hosmer–Lemeshow goodness-of-fit，而discrimination 用的是auc，结果如下图所示
我的问题是 文中的三个数值是怎么做出来的？
因为我用stata只能做出一个值，而不会每一个对比都输出一个值，我猜测可能是根据公式手算的？
请问有大神可以指点下怎么用stata算出三个值么？
图片出处是以下文章
Need or availability? Modeling aftercare decisions for psychiatrically hospitalized adolescents
以下是我自己用数据做出来的结果


. mlog blcrordinial pp acct input pios trust acu dexp pexp, base(0)

Iteration 0:   log likelihood = -173.32384  
Iteration 1:   log likelihood = -149.44969  
Iteration 2:   log likelihood =  -145.9323  
Iteration 3:   log likelihood = -145.79316  
Iteration 4:   log likelihood = -145.79288  
Iteration 5:   log likelihood = -145.79288  

Multinomial logistic regression                 Number of obs     =        174
                                                LR chi2(24)       =      55.06
                                                Prob > chi2       =     0.0003
Log likelihood = -145.79288                     Pseudo R2         =     0.1588

------------------------------------------------------------------------------
blcrordinial |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
0            |  (base outcome)
-------------+----------------------------------------------------------------
1            |
          pp |   .5095293   .4547095     1.12   0.262     -.381685    1.400744
        acct |  -.7946018   .6727708    -1.18   0.238    -2.113208    .5240048
       input |   -1.12022   .8523212    -1.31   0.189    -2.790739    .5502983
        pios |  -.0138823   .6227175    -0.02   0.982    -1.234386    1.206622
       trust |  -.4866782   .6371079    -0.76   0.445    -1.735387    .7620303
         acu |   .6553389   .7824059     0.84   0.402    -.8781486    2.188826
        dexp |  -.4189236   .3693497    -1.13   0.257    -1.142836    .3049885
        pexp |   .4635925   .3684036     1.26   0.208    -.2584652     1.18565
       _cons |   6.681248   2.992565     2.23   0.026     .8159292    12.54657
-------------+----------------------------------------------------------------
2            |
          pp |   .8263762   .6241719     1.32   0.186    -.3969782    2.049731
        acct |  -1.581878    .882971    -1.79   0.073    -3.312469    .1487137
       input |   1.008641   1.167792     0.86   0.388    -1.280189     3.29747
        pios |  -1.292252   .8093578    -1.60   0.110    -2.878564      .29406
       trust |  -1.278975    .760055    -1.68   0.092    -2.768656    .2107053
         acu |   .7955599   .9549703     0.83   0.405    -1.076147    2.667267
        dexp |  -.0412076   .4772525    -0.09   0.931    -.9766054    .8941902
        pexp |   .3944344   .4717318     0.84   0.403    -.5301428    1.319012
       _cons |   5.412803   3.920221     1.38   0.167    -2.270689     13.0963
-------------+----------------------------------------------------------------
3            |
          pp |   .6333809   .4390877     1.44   0.149    -.2272151    1.493977
        acct |  -.1405083   .6656027    -0.21   0.833    -1.445066    1.164049
       input |  -.4288982   .8345902    -0.51   0.607    -2.064665    1.206868
        pios |   .1512663   .6100139     0.25   0.804    -1.044339    1.346872
       trust |  -.2094653   .6250139    -0.34   0.738     -1.43447    1.015539
         acu |   .0757255   .7665314     0.10   0.921    -1.426649      1.5781
        dexp |  -.2195288   .3608373    -0.61   0.543    -.9267569    .4876992
        pexp |   .2306123   .3591492     0.64   0.521    -.4733073    .9345318
       _cons |   2.837748   2.943727     0.96   0.335    -2.931851    8.607347
------------------------------------------------------------------------------

. fistat
command fistat is unrecognized
r(199);

. fitstat

                         |      mlogit
-------------------------+-------------
Log-likelihood           |            
                   Model |    -145.793
          Intercept-only |    -173.324
-------------------------+-------------
Chi-square               |            
       Deviance (df=147) |     291.586
              LR (df=24) |      55.062
                 p-value |       0.000
-------------------------+-------------
R2                       |            
                McFadden |       0.159
     McFadden (adjusted) |       0.003
            Cox-Snell/ML |       0.271
  Cragg-Uhler/Nagelkerke |       0.314
                   Count |       0.621
        Count (adjusted) |       0.275
-------------------------+-------------
IC                       |            
                     AIC |     345.586
        AIC divided by N |       1.986
             BIC (df=27) |     430.880

. mlogitgof

Goodness-of-fit test for a multinomial logistic regression model
Dependent variable: blcrordinial

  number of observations =    174
number of outcome values =      4
      base outcome value =      0
        number of groups =     10
   chi-squared statistic =     17.903
      degrees of freedom =     24
      Prob > chi-squared =      0.808