Stata 有序logit模型中的双向聚类，限制rstudent以减轻离群值影响

我有一个有序的因变量（1到21）和连续的自变量。我需要运行有序logit模型，按公司和时间进行聚类，使用Studentized残差2.5消除异常值。我只知道

ologit

命令和一些命令选项；但是，我不知道如何进行双向聚类，并使用学生化残差消除异常值：

ologit rating3 securitized retained, cluster(firm)

---

据我所知，双向聚类只扩展到了一些估计命令（如来自scc的ivreg2和tobit/logit/probit）。消除异常值可以很容易地由您自己完成，而且没有自动完成的方法

据我所知，双向聚类只扩展到了一些估计命令（如来自scc的ivreg2和tobit/logit/probit）。消除异常值可以很容易地由您自己完成，而且没有自动完成的方法

使用Dimitry提供的链接（Mitchell Petersen的网站）中的logit2.ado，并将其修改为使用ologit命令。这很简单，只需一点点尝试和错误。祝你好运

使用Dimitry提供的链接（Mitchell Petersen的网站）中的logit2.ado，并将其修改为使用ologit命令。这很简单，只需一点点尝试和错误。祝你好运

如果你有一个有21个有序类别的变量，我将把它当作一个连续的变量来处理。如果你想以某种方式支持这一点，我写了一篇关于有序变量福利衡量的论文，请参阅。然后可以使用

ivreg2

。你应该意识到该估计器涉及的所有问题，特别是，它隐含地假设相关性完全由这种双向结构建模，并且对公司

i

和

j

和时间

t

和

s

的观察值与

i绝对不相关=j

和

t=s

。有时，这是一个强有力的假设，即纽约和新泽西可能在2010年相互关联，但纽约2010年与新泽西2009年不相关

---

我不知道你所说的有序异常值是什么意思。一定有人堆积了一堆论文建议（或更糟糕的分析要求），却没有真正理解每一点。

如果你有一个包含21个有序类别的变量，我将毫无问题地将其视为一个连续的变量。如果你想以某种方式支持这一点，我写了一篇关于有序变量福利衡量的论文，请参阅。然后可以使用

ivreg2

。你应该意识到该估计器涉及的所有问题，特别是，它隐含地假设相关性完全由这种双向结构建模，并且对公司

i

和

j

和时间

t

和

s

的观察值与

i绝对不相关=j

和

t=s

。有时，这是一个强有力的假设，即纽约和新泽西可能在2010年相互关联，但纽约2010年与新泽西2009年不相关

我不知道你所说的有序异常值是什么意思。一定有人堆了一堆论文建议（或者更糟糕的分析要求），却没有真正理解每一点