Statistics 简单Stata程序

我正试图编写一个简单的程序，结合一组回归拟合的系数和标准误差估计。例如，我运行5次回归，并将感兴趣的系数和标准误差存储到向量中（实际上是Stata矩阵对象）。然后，我需要执行以下操作：

求系数估计的平均值

根据“多重插补”结果合并建议的公式，合并标准误差估计值。该公式是第6页“T”公式的平方根，共页

我写过一次Stata代码，但我想把它写成一个函数（或“程序”，用Stata的话说），它以回归系数估计的向量（或矩阵，如果可能的话，一次组合多个估计）和相应标准误差估计的向量（或矩阵）作为参数，然后在上面生成1和2。以下是我编写的代码：

（breg是回归系数估计的1x5向量，sereg是相关标准误差估计的1x5向量）

这为单个实例提供了正确的答案。任何指针都会很棒

更新：我完成了在系数/参数的kXm矩阵中合并估计值的代码（k是参数的数量，m是插补的数量）。代码可以找到

感谢特里斯坦和加比的指点

---

更新：我完成了合并系数/参数kXm矩阵的代码，其中k是系数/参数的数量，m是插补的数量。你可以找到它

---

多亏了特里斯坦和加比的提示。

我想你应该知道多重插补，包括这些类型的组合规则，都内置在Stata 11中。我没有用过，但如果可能的话，这可能是最好的选择

您可以使用

args

命令轻松编写Stata程序来获取矩阵。遵循此模板：

capture program drop mi_combine
program define mi_combine 
    args coef se
    matlist `coef'
    matlist `se'
end

mat ones = (1,1,1)
mat twos = (2, 2, 2)
mi_combine ones twos

---

这应该会有帮助。我是Stata的新手。我有v10，如果/当我得到v11，我将研究mi。我想使用Clarify的mi combine功能，但我使用的是Clarify不支持的模型；我也不确定mi是否会（例如，用户提供的删失分位数回归。ado）

自从我发布了q之后，我想到了一些目前可以做这项工作的东西：

capture program drop micombine
program define micombine
    mat ones = (1,1,1,1,1)
    mat bmean = (1/5)*(ones*`1'')
    mat wtv = (1/5)*(`2'*`2'')
    scalar wtv_s = wtv[1,1]
    mat btv = (1/4)*(`1'  - bmean#ones)* (`1'  - bmean#ones)'
    scalar btv_s = btv[1,1]
    mat varregmi =  wtv_s + (1+(1/5))*btv
    scalar varregmi_s = varregmi[1,1]
    scalar seregmi = sqrt(varregmi_s)
    scalar bmean_s = bmean[1,1]
    scalar dfmi = (5-1)*(1+(5*wtv_s)/(6*btv_s))^2
    scalar moemi = seregmi*invttail(dfmi,.025)
    di as text "b_mi = " as result bmean_s
    di as text "se_mi = " as result seregmi
    di as text "df_mi =" as result dfmi
    di as text "95% moe_mi =" as result moemi
end

---

丑陋，并且只对一个系数进行估计。希望能够为所有COEF执行此操作，尽管这不是必需的。

特里斯坦说得对，您可以使用“args”在Stata程序中调用矩阵作为参数。使用他的模板，这个黑客应该复制你在原始帖子中对任何breg，sreg向量对的计算：

capture prog drop myMI
program myMI

args breg sereg
local params=colsof(`breg') // store the number of parameters here

mat ones=J(1,`params',1)
mat bregmean = (1/`params')*(ones*breg')
scalar bregmean_s = bregmean[1,1]
mat seregmean = (1/`params')*(ones*sereg') 
mat seregbtv = (1/(`params'-1))*(breg  - bregmean#ones)* (breg  - bregmean#ones)'
mat varregmi = (1/`params')*(sereg*sereg') + (1+(1/`params'))* seregbtv
scalar varregmi_s = varregmi[1,1]
scalar seregmi = sqrt(varregmi_s)
disp bregmean_s 
disp seregmi

end

你把它叫做

myMI breg sereg

---

如果计算复杂，我建议使用mata

如果要在数据中进行计算，可以使用

parmest

和/或

postfile

将回归系数导出到临时数据文件中

myMI breg sereg