顶一个!!!

不要沉!!!

poisson pt2   dum  age roa lev size operate cfo capital gov i.year

Iteration 0:   log likelihood = -28227.281  
Iteration 1:   log likelihood = -28226.423  
Iteration 2:   log likelihood = -28226.423  

Poisson regression                                Number of obs   =       2133
                                                  LR chi2(15)     =   10273.81
                                                  Prob > chi2     =     0.0000
Log likelihood = -28226.423                       Pseudo R2       =     0.1540

------------------------------------------------------------------------------
         pt2 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         dum |   .1635767   .0111644    14.65   0.000     .1416949    .1854584
         age |  -.0324698   .0013101   -24.78   0.000    -.0350377    -.029902
         roa |   1.503742   .1176388    12.78   0.000     1.273174     1.73431
         lev |   .9426311   .0392267    24.03   0.000     .8657481    1.019514
        size |   .4724677   .0091371    51.71   0.000     .4545593     .490376
     operate |   .0351586   .0139943     2.51   0.012     .0077304    .0625869
         cfo |   1.146841   .0898092    12.77   0.000     .9708183    1.322864
     capital |  -.4363487   .0513254    -8.50   0.000    -.5369446   -.3357528
         gov |   .1537416   .0054779    28.07   0.000     .1430051    .1644782
             |
        year |
       2010  |   .3404344   .0512175     6.65   0.000     .2400499    .4408189
       2011  |   .4151901   .0500396     8.30   0.000     .3171142     .513266
       2012  |    .489913   .0495767     9.88   0.000     .3927444    .5870817
       2013  |   .4858881    .049648     9.79   0.000     .3885797    .5831964
       2014  |   .4114969   .0497309     8.27   0.000     .3140262    .5089676
       2015  |   .1628464   .0503434     3.23   0.001     .0641752    .2615177
             |
       _cons |  -10.05787   .1725622   -58.29   0.000    -10.39608   -9.719651
------------------------------------------------------------------------------

泊松回归结果是这样，请问可以用到论文中吗?泊松回归结果如何解读，主要看哪些指标?

你可以对被解释变量用sum y,detail，看看方差是否明显大于期望，如果是，即存在过度分散,那么考虑用负二项回归。因为泊松回归的局限是泊松分布的期望与方差一定相等，即均等分散，但这个特征常与实际数据不符。(cite:陈强,2013.高级计量经济学及stata应用(第二版),北京:高等教育出版社,p213-215.)