Bewertung des fraktionalen Logit-Modells - McFaddens bereinigtes R^2

Question

Ich schätze ein Modell, bei dem die abhängige Variable ein Bruch ist (zwischen 0 und 1). Ich habe die Befehle in Stata 14,1

glm y x, link(logit) family(binomial) robust nolog

sowie

fracreg logit y x, vce(robust)

Beide Befehle liefern die gleichen Ergebnisse.

Jetzt möchte ich das Ergebnis bewerten, idealerweise mit McFadden eingestellt r^2. Aber weder fitstat noch estat gof scheinen zu funktionieren, nachdem ich die Regressionen ausgeführt habe. Ich bekomme die Fehlermeldung fitstat does not work with the last model estimated und not available after fracreg r(321).

Kennt jemand von euch einen alternativen Befehl für McFaddens angepassten r^2? Oder muss ich eine andere Bewertungsmethode verwenden?

Answer 1

mit aus, um die McFadden R^2, stellen Sie müssen nur die Anzahl der Prädiktoren aus dem vollen Modell subtrahieren Log-Likelihood im Zähler des Bruchteils. Die Formel lautet here. Beachten Sie, dass Sie möglicherweise negative Werte erhalten.

Hier ist, wie Sie könnten das tun:

set more off 
webuse set http://fmwww.bc.edu/repec/bocode/w 
webuse wedderburn, clear 

/* (1) Fracreg Way */ 
fracreg logit yield i.site i.variety, nolog 
di "Fracreg McFadden's Adj. R^2:" %-9.3f 1-(e(ll)-e(k))/(e(ll_0)) 

/* (2) GLM Way */ 
glm yield, link(logit) family(binomial) robust nolog // intercept only model 
local ll_0 = e(ll) 
glm yield i.site i.variety, link(logit) family(binomial) robust nolog // full model 
di "McFadden's Adj. R^2: " %-9.3f 1-(e(ll)-e(k))/`ll_0' 

Die GLM R^2 wird etwas anders, weil der Maximierungsalgorithmus anders ist und so werden die Wahrscheinlichkeiten als auch unterschiedlich sein. Ich bin nicht sicher, wie man die ML-Optionen zwickt, damit sie genau zusammenpassen.

können Sie überprüfen, ob wir die Dinge richtig mit einem Befehl tat, wo fitstat funktioniert:

sysuse auto, clear 
logit foreign price mpg 
fitstat 
di "McFadden's Adj. R^2: " %-9.3f 1-(e(ll)-e(k))/(e(ll_0)) 

Answer 2

Es scheint, dass das Pseudo-R-Quadrat, das in der Ausgabe fracreg erscheint, McFaddens Pseudo-R-Quadrat ist. Ich bin mir nicht sicher, ob das ist das gleiche wie die McFadden eingestellt r^2, die Sie erwähnen.

Sie können sehen, es ist McFaddens pseudo-R-Quadrat von der Untersuchung der maximize Befehl wie von @ Nick-Cox post on Stata.com vorgeschlagen. Im Referenzhandbuch für maximize, Seite 1478 (Stata 14) heißt es:

Let L1 das Log-Likelihood des vollständigen Modells sein (das heißt, die Log-Likelihood-Wert am Ausgang gezeigt), und lassen Sie L0 sei die logarithmische Wahrscheinlichkeit des "Nur-Konstanten" -Modells. ... Der Pseudo-R2 (McFadden 1974) ist definiert als 1 - L1/L0. Dies ist einfach die logarithmische Wahrscheinlichkeit auf einer Skala, wobei 0 dem Nur-Konstanten-Modell entspricht und 1 einer perfekten Vorhersage für ein diskretes Modell entspricht (in diesem Fall ist die Gesamt-Log-Wahrscheinlichkeit 0).

Wenn das ist, was Sie suchen, ist dieser Wert gezogen werden kann

fracreg logit y x, vce(robust) 
scalar myRsquared = e(r2_p)