stata:xttobit中的不等式约束

是否可以将Stata的xttobit中的参数约束为非负？我读过一篇文章，作者们说他们就是这么做的，我正在想办法

我知道，可以通过指数变换变量（例如gen x1_e=expx1），然后在估计后调用nlcom（例如nlcom exp_b[x1:_y]），将参数严格限制为正，其中y是自变量。这可能并不完全正确，但我相当肯定总体思路是正确的。是一个来自国家统计局的类似问题：nlsur

但非负约束会是什么样子呢？我知道一种方法是变换变量，比如平方。然而，我尝试了作者的数据，仍然发现xttobit的负面估计。对不起，如果这是一个琐碎的问题，但它让我有点困惑

注意：这是第一次错误地发布在简历上。我有罪

更新：我似乎误解了转型的含义。假设我们要估计以下随机效应模型：

y{it}=a+b*x{it}+v{i+e{it}

其中v_i是i的个体随机效应，e_{it}是特质误差

从第一个答案来看，假设是一个指数变换来约束所有系数为正，如下所示：

y_{it}=expa+expb*x_{it}+v_i+e_{it}

---

？

我认为您对通过转换相关变量来约束参数的理解是不正确的。您不需要转换变量，而是在根据转换后的参数重新表达模型后，拟合模型。有关更多详细信息，请参阅中的常见问题解答，并准备比预期更努力地解决您的问题，因为您需要将xttobit的使用替换为mlexp，以转换托比特对数似然函数的参数化

---

关于非负约束和严格正约束之间的差异，对于连续参数，所有此类约束实际上都是非负的，因为对于合理的参数化，严格正约束可以任意接近零。

谢谢！我加了一个等式，看看我是否明白你所说的变换是什么意思。对吗？你能解释一下关于合理参数化的第二部分吗？例如，参数的指数变换是否算作合理的非负约束？1是。2例如，某些类似参数的限制为整数值是不合理的。3是的。