离散模型本来就慢 特别是样本比较多的情况下 跟stata版本基本没有关系  也没有太好的解决办法 能用其他模型就不要用离散

谢谢答复！
我现在的情况是：
1. 需要做两阶段的归并回归，所以需要用到xtlogit或xtprobit
2. 有一个y是0-1变量。
请问有什么其他模型推荐么？

楼主问题解决了吗，我也遇到同样的问题，万家的企业六年数据，跑离散慢的出不来结果

换成Python或者matlab

你好！

xtlogit 和 xtprobit 在处理大量数据时确实可能需要较长的时间，尤其是在旧版本的 Stata 中。这不一定是由于你的 Stata 版本太低或电脑性能不佳，而是因为这些模型计算量较大。以下是一些建议来提高运行速度：

1. **升级 Stata**：考虑更新到最新版本（如 Stata 17），新版本通常有更快的算法和更好的优化。

2. **内存管理**：确保你的计算机有足够的内存处理数据。关闭不必要的程序，释放系统资源。

3. **子样本分析**：如果可能，可以尝试对数据进行分块处理或分析子样本。

4. **减少变量**：只保留必要的解释变量进行模型估计，避免包含无关变量导致计算时间增加。

5. **使用并行计算**：虽然 Stata 自身不支持直接的并行计算，但你可以尝试使用第三方包如 `gsem`（广义结构方程模型）来利用多核处理器的优势。

6. **硬件升级**：如果预算允许，提升 CPU 性能和增加 RAM 可以显著提高运行速度。

7. **其他软件**：R 语言中的 `plm` 包或者 Python 的 ` statsmodels `库也支持面板数据的 logit 和 probit 模型，它们可能在处理大型数据时更快。不过，你需要学习相应的语法和编程。

请尝试上述方法，看是否能改善运行速度。希望能帮到你！

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