那做logit回归时*   **   *** 怎么显示出来啊，用什么命令？

请参考 https://bbs.pinggu.org/thread-5757174-1-1.html。

esttab b（%6.3f） star（*0.1**0.05***0.01）

esttab b（%6.3f） star（*0.1**0.05***0.01）

想问一下这个模型在论文里应该怎么写？是就写一个回归方程吗？还是有几层写几个

你好，大佬，请问第二个图是怎么做出来的，是按照分层嵌套吗?

在Stata中构建Logit回归并比较多个嵌套模型时，你可以使用`logit`或`logistic`命令。首先，我将解释如何建立不同的模型，并演示如何比较它们的拟合度。

例如，在你的第一个表中有五个不同的模型：模型1至模型5。让我们假设你有以下变量：

- `y` (二分类因变量)
- `x1`, `x2`, `x3`, `x4` (连续自变量)

### 模型构建
#### 模型1: 最简模型，仅包含常数项

```stata
logit y
```

#### 模型2: 包含一个自变量 `x1`

```stata
logit y x1
```

#### 模型3: 模型2的基础上添加另一个变量 `x2`

```stata
logit y x1 x2
```

#### 模型4: 再次增加变量 `x3`

```stata
logit y x1 x2 x3
```

#### 模型5: 增加最后一个变量 `x4`

```stata
logit y x1 x2 x3 x4
```

### 比较模型的拟合度
你可以使用`lrtest`命令来比较嵌套模型，检查增加的自变量是否显著提高了模型的解释能力。

假设你想比较模型2和模型3：

```stata
// 首先估计模型2
logit y x1

// 然后存储该模型的结果（可选）
est store model2

// 接着估计更复杂的模型3
logit y x1 x2

// 使用lrtest比较两模型，`model2`为之前保存的简单模型
lrtest . model2
```

在这个例子中，`.`代表当前模型，即最复杂的那个。

你可以通过这种方式逐步增加变量并检查它们对模型拟合度的影响。每当你添加新的变量时，使用`est store`命令存储前一个模型的结果，并用`lrtest`比较新旧模型的差异。

### 综上所述
1. 建立基础Logit模型。
2. 逐渐加入更多自变量以构建更复杂的模型。
3. 使用`lrtest`来检验增加的变量是否显著提高了拟合度。

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