stata：xttobit中的不等式约束

Question

是否可以将Stata的xttobit中的参数限制为非负数？我读了一篇论文，作者说他们就是这么做的，我正在努力研究如何。

我知道，你可以成倍转化的变量（例如gen x1_e = exp(x1)），然后调用估计之后nlcom（限制参数要严格正如nlcom exp(_b[x1:_y])其中y是独立变量。（这可能不完全正确，但我我很确定这个总体思路是正确的Here是一个类似的问题，来自Statlist re：nlsur）

但是，一个非负的约束是什么样的？我知道一种方法是继续转换变量，但是，我用作者的数据尝试过，仍然发现xttobit的负面估计值。对不起，如果这是一个微不足道的问题，但它让我有点困惑。

（注意：这是第一次张贴在错误过失CV）

更新：看来我误解了意思转型。假设我们要估计下面的随机效应模型：

Y_ {这} = A + B * X_ {这} + V-I + E_ {这}

其中V-I是我和E_个体随机效应{it}是特殊的错误。

从第一个答案，会，比方说，一个指数变换来约束所有系数是积极的样子：

Y_ {这} = EXP（A）+ Exp（B）* X_ {这} + v_i + e_ {it}

？

Answer 1

我认为你通过转换相关变量来约束参数是不正确的。您不会变换变量，而是根据已转换的参数重新展示模型的模型。有关更多详细信息，请参阅http://www.stata.com/support/faqs/statistics/regression-with-interval-constraints/上的常见问题解答，并准备加倍努力解决您的问题，因为您需要将xttobit替换为mlexp，以用于转换后的参数化tobit对数似然函数。关于非负和严格正约束之间的差异，对于连续参数，所有这些约束实际上是非负的，因为（对于合理的参数化）严格正约束可以被任意地接近零。