把数据都贴出来就容易判断了

谢谢，刚才跟室友讨论出结果了，我后面还有个交互项。是交互项导致前面的变量出了问题。

想问下老师，我也出现了类似的情况，能不能帮忙解释下？
note: gender != 0 predicts success perfectly
      gender dropped and 2 obs not used

note: 0.industry1 != 1 predicts success perfectly
      0.industry1 dropped and 1 obs not used

note: 0.industry10 != 1 predicts success perfectly
      0.industry10 dropped and 1 obs not used

note: 0.industry11 != 1 predicts failure perfectly
      0.industry11 dropped and 2 obs not used

note: fc1 != 1 predicts success perfectly
      fc1 dropped and 5 obs not used

note: outcome = compet < 1 predicts data perfectly except for
      compet == 1 subsample:
      compet dropped and 5 obs not used

Example generated by -dataex-. To install: ssc install dataex
clear
input double gender byte(industry1 industry10 industry11) double fc1
0 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 0
0 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 0
0 1 0 0 1
0 1 0 0 0
0 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 0
0 1 0 0 0
0 1 0 0 0
0 1 0 0 0
0 1 0 0 0
0 1 0 0 1
1 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
1 1 0 0 0
1 1 0 0 0
0 1 0 0 0
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 1 0 0 1
0 0 0 0 1
0 0 0 0 0
0 0 0 0 1
1 0 0 0 1
1 0 0 0 1
1 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 0
0 0 0 0 0
1 0 0 0 1
0 0 0 0 0
1 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 0
0 0 0 0 0
0 0 0 0 1
0 0 0 0 0
0 0 0 0 1
1 0 0 0 1
0 0 0 0 1
end
[/CODE]

在你的回归分析中，出现了“predicts success perfectly”的note，这表明某些变量（如gender、age2）与因变量（可能这里指的是income）存在完全相关性。这意味着当你包含这些变量时，它们的系数将变为无穷大，标准误为零，导致Stata自动删除这些变量以避免出现统计问题。

关于观察值减少的问题，每次有变量被删除，所有该变量取值为0的观测值也会被排除，因为它们无法提供信息。所以从600多个观察值减到110个，可能是由于这些完全预测因变量的变量在数据集中存在大量为0的情况。

对于显示“.”的情况，这通常表示Stata无法计算标准误、z值和p值，可能是因为剩余的观测数量太少，或者模型中其他问题导致统计量无法估计。

为了解决这些问题，你可以考虑以下步骤：
1. 检查数据：确保没有遗漏或错误的数据输入。
2. 变量选择：重新审视你选择的自变量，看看是否有逻辑上的完全相关性，可能需要剔除一些不必要或者冗余的变量。
3. 分组处理：如果某些变量在特定群体中预测效果完美，可以考虑对不同群体分别进行回归分析。
4. 数据清理：删除那些导致完全预测的异常观测值，但要注意这可能会影响结果的代表性。

最后，建议使用更复杂的模型或方法（如交互项、分段回归等）来处理可能存在的复杂关系。如果问题依然存在，可能需要咨询统计专家或者进一步学习相关理论。

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