regression - 如何使用回归系数的子集代替所有系数创建拟合值？

Question

我运行一个简单的回归并找到如下所示的拟合值:

sysuse auto, clear
reg price mpg c.mpg#foreign i.rep78 headroom trunk
predict fitted_price, xb

这给了我这些系数:

-------------------------------------------------------------------------------
        price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
--------------+----------------------------------------------------------------
          mpg |  -306.1891   77.01548    -3.98   0.000     -460.243   -152.1352
              |
foreign#c.mpg |
     Foreign  |   60.58403   37.24129     1.63   0.109    -13.90964    135.0777
              |
        rep78 |
           2  |   999.7779   2150.269     0.46   0.644      -3301.4    5300.956
           3  |   1200.741   2001.853     0.60   0.551    -2803.561    5205.043
           4  |   1032.778   2070.513     0.50   0.620    -3108.864     5174.42
           5  |   2081.128   2200.998     0.95   0.348    -2321.523    6483.779
              |
     headroom |  -611.7201   502.3401    -1.22   0.228     -1616.55    393.1097
        trunk |   134.4143   110.8262     1.21   0.230    -87.27118    356.0998
        _cons |   10922.46   2803.271     3.90   0.000     5315.082    16529.84
-------------------------------------------------------------------------------

出于反事实的目的(在时间序列中尤其重要)，我可能希望使用此回归中的系数子集找到拟合值。例如，我可能想使用这个回归中的所有系数来查找拟合值，除了 mpg 之间相互作用的系数之外。和foreign ，即c.mpg#foreign 。 (请注意，这与在没有交互的情况下再次运行回归不同，因为这会产生不同的系数)。

到目前为止，我这样做:

sysuse auto, clear
reg price mpg c.mpg#foreign i.rep78 headroom trunk
matrix betas = e(b)
local names: colnames betas
foreach name of local names {
    if strpos("`name'", "#") > 0 {
        scalar define col_idx = colnumb(betas, "`name'")
        matrix betas[1, col_idx] = 0
    }
}
matrix score fitted_price_no_interact = betas

这不是一个可靠的解决方案，因为它依赖于 # 的命名约定。在系数矩阵的列名称中，如果我想包含一组交互而不包含另一组交互，则会崩溃。我可以通过手动指定名称来为特定回归编写类似的代码，但如果我更改回归，则必须手动更改代码。

有没有更强大的方法来做到这一点，例如

predict fitted_price, xb exclude(c.mpg#foreign trunk)

这会为我简化这个过程吗？

Answer 1

编辑 2015-03-29:对交互的一个子集使用原始方法，但保留其他方法

原始方法的一大优点是它可以处理任何复杂性的交互。主要缺陷是它不会忽略您想要保留在模型中的交互。但如果您使用 xi 创建它们，# 将不会出现在它们的名称中。

 sysuse auto, clear
 recode rep78  1 = 2 //combine small categories
 xi, prefix("") i.rep78*mpg  // mpg*i.rep78 won't work
 des _I*


 reg price mpg  foreign c.mpg#foreign  _I* headroom trunk
 matrix betas = e(b)
 local names: colnames betas
 foreach name of local names {
     if strpos("`name'", "#") > 0 {
         scalar define col_idx = colnumb(betas, "`name'")
         matrix betas[1, col_idx] = 0
     }
 matrix score fit_sans_mpgXforeign = betas

编辑于2015-03-28

不需要 xi 前缀，因此，例如，这适用于 Stata 13。

sysuse auto, clear
gen intx = c.mpg#foreign
reg price mpg  foreign i.rep78 headroom trunk intx
predict mhat
gen fitted_sans_interaction = mhat -_b[intx]*intx

上一个答案

sysuse auto, clear
xi: gen intx = c.mpg#foreign
reg price mpg  foreign i.rep78 headroom trunk intx
predict mhat
gen fitted_sans_interaction = mhat -_b[intx]*intx

甚至

sysuse auto, clear

xi: gen intx = c.mpg#foreign
reg price c.mpg##foreign i.rep78 headroom trunk intx
predict mhat
gen fitted_sans_interaction = mhat -_b[intx]*intx

我已经提供了您的示例中省略的外国的主要效果。