常用回归模型

常用回归模型简介因变量类型(DV)数据类型(datatype)常用模型(commonmodel)备注连续变量（正态分布）(continuousvariable)截面数据(cross-sectiondata)普通线性回归(multiplelinearregression)分层数据(multileveldata)分层线性模型(固定＋随机效应)(multilevelmodel:random+fixedeffect)面板数据(paneldata)随机效应及固定效应模型(randomeffectandfixedeffectmodel)计数变量（Poisson分布）(countdata)截面数据1、Poisson回归(Poissonregression)2、负二项回归(negativebinomial)3、零膨胀模型(ZIP&ZINB)4、Hurdle模型(Hurdlemodel)分层数据分层回归模型（固定＋随机效应）面板数据随机效应及固定效应模型分类变量（二项分布或多项式分布）(categoricaldata)二分类变量(binomialvariable)截面数据普通二分类logit模型(binarylogitmodel)分层数据分层二分类logit模型（固定＋随机效应）面板数据随机效应及固定效应模型多分类变量(multinomialvariable)截面数据普通多分类logit/probit模型/条件logit模型(multinomiallogitmodel/conditionallogitmodel)分层数据分层多分类logit模型（固定＋随机效应）面板数据随机效应及固定效应模型定序变量(ordinalvariable)截面数据普通定序logit/probit模型(orderedlogit/probitmodel)分层数据分层定序logit模型（固定＋随机效应）面板数据随机效应及固定效应模型纵贯数据+删截(longitudinaldata:censoring+time-dependentcovariate)事件史分析：Cox模型(eventhistoryanalysis)注：1、针对整群（cluster）抽样数据，可采用Huber-White标准误调整法或采用STATA中的调查估计分析法（surveyestimator，命令都以svy开头，如svyreg）。2、针对删截数据（censoring），可采用Tobit模型（Tobin’sprobitmodel）；针对截除数据（truncation）与内生生性（endogenous）样本选择问题，可采用Heckman选择模型（Heckmanselectionmodel:Heckitmodel）、内生性变换模型（endogenousswitchingregression）或倾向分分析法（propensityscorematchinganalysis）。