不好意思，用新软件就是问题多多。
上课时，老师让我们比较poisson D A2 A3 NI NW, exposure(E)和
poisson D A1 A2 A3 NI NW, exposure(E) noconstant
的不同，我后来又尝试了poisson D A1 A2 A3 NI NW, exposure(E)
程序会默认A3位参照类，输出的结果同样是差别截距
我想问问老师（抱歉，不知道怎么用Stata做对数线性模型），我们如果用Stata做对数线性模型时，是否也可以用上述方法避免计算差别截距呢？如果不行是因为发生率和发生比的定义不同吗？已经糊涂了，自己有点想不清楚，特此请教老师。 当用
poisson D A2 A3 NI NW, exposure(E)
Poisson regression Number of obs = 12
LR chi2(4) = 829.67
Prob > chi2 = 0.0000
Log likelihood = -38.06429 Pseudo R2 = 0.9160
而用
poisson D A1 A2 A3 NI NW, exposure(E) noconstant
Poisson regression Number of obs = 12
Wald chi2(5) = 15039.10
Log likelihood = -38.06429 Prob > chi2 = 0.0000
两个给出的指标是不一样的，为什么呢？
答
第一个问题：你最后试验的命令实际上是既要求将年龄组虚拟变量饱和纳入模型、又要求模型还得有截距。这在统计上是不可解的。至于仍能输出差距模型，是因为Stata与SPSS一样会自动地删除一个年龄组虚拟变量使之可解。如果你仔细一点便能看到Stata输出中会有排除一个自变量的提示。至于对数线性模型的问题已经出圈了，这不是本课程内容。并且我也还不会，我只是在5月份才开始试用Stata的。我只是听说，Stata做对数线性模型还是沿用我们教材上那种内部编码和系数解释。如果你急需做这种模型，请直接参看Stata手册或参考书。我已经为系资料室复印了好几本用Stata统计的参考书了。答
第二个问题：当然不一样。因为两个模型中的自变量数不一样多，所以整体检验的内容不同。你可以自己从似然比卡方的自由度上看出来。但是它们是等价的，也就是说计算到显著概率时就一样了。我这里说等价，就好比对一个简单回归来说，整体检验和自变量检验也是等价的，F值和t值虽然不同，但到了显著度结果上却是一样的。再谈第一个问题
其实在多数实际研究中，我们关心的并不是发生比或发生率，而的确是在关心差异，如性别差异、城乡差异。这时直接输出差异更省事。只有在我们主要关心绝对水平时，才设法直接输出绝对水平，否则我们就得通过与参照组水平的差异手工计算其他组的水平。
不过发生比（odds）与发生率（incidence rate or rate）在方法论层次上的确是不同的。严格地说发生比不涉及暴露和事件（代表一种时间上的转变）这种概念，比如性别比涉及的性别是先天的，后天不会有什么转变。但是生育、迁移、犯罪等却是事件。事件与暴露的比，并不是两类人数之比，它们的单位是不同的。所以，“比”只是个同单位的两个数之间的倍数，而率则将是速度这样的物理指标。所谓暴露，不过是一种时间单位。所以，率是可比性更强的概念。一般来说，除以暴露期代表着一种增加可比性的标准化统计控制。比如，如果在计算生育率时将男人也算在分母中并不是荒谬的概念，出生率就是这样的概念（严格地说，出生率不是研究生育的指标，而是研究人口发展的指标）。但是要比较生育水平时，对暴露就十分计较了，不仅男性要排除在外，女性的很大一部分也要排除在外。另外，用社会学的例子而言，我估计监狱里的犯人犯罪率可能很低，虽然他们有较强倾向犯罪，但他们并未暴露在犯罪环境中。
这些都是很深层次的方法论概念问题，必须要从简单的计算公式背后去仔细理解和品味。
另外，用一个新软件，总会出问题，不要着急。我假期备课时花的时间、走的弯路肯定比你多多了。我没有机会去听课，就靠自己看书摸索，其实也可以进步。
并且，越接近前沿，就越需要自己摸索。这是通向成功的必由之路。 非常感谢老师，您的解释能帮助我更好的理解Powers的那篇文献，注意到您回帖的时间了，望您注意休息。这学期听到新内容，就不自觉地会跟上学期学的联系起来，呵呵，自己手懒，没有去查资料，麻烦您了。
页:
[1]