我正在Stata中对人口普查失业率的决定因素进行分析。以前关于我的主题的一些文献使用了直接的OLS回归，我从这种类型的分析开始，但在我自己进一步阅读之后，我认为广义线性模型更好。这尤其是因为我有兴趣提供人口普查区域的预测值。失业率基于我的回归，我希望这些是适当的限制（在0％和100％之间）。我的失业率包括一些人口普查区的0，所以我需要考虑到这一点。
我的问题是：
Stata的fracreg logit是否等同于具有logit链接和二项式系列的程序glm？ （我已经阅读了有关在here等几个地方使用glm版本的信息，但是看到fracreg是一个新的命令，似乎有同样的目的）。使用robust时，我可以指定fracreg logit选项的等效项吗？
如果使用fracreg，我应该在什么基础上决定使用小数概率（fracreg probit）或小数logit（fracreg logit）回归？
一个简单的（可能是无知的）解释问题：我发现上面提到的fracreg和glm回归并没有报告R平方值。我可以计算出这些回归的等效量度吗？我的OLS R平方值已经相当高，这对我来说是一个让我放心的点，所以我想看看这些模型是如何比较的（尽管我知道R平方并不是一切！）。
如果使用这些模型还有其他限制或假设（例如OLS BLUE之外的其他假设）我应该记住吗？通过我的OLS回归，我得出了失业率的自然对数（使我的残差更正常，更高的R平方和方便的解释）。我可以对上面的fracreg或glm回归做同样的事吗？
自从我正式研究有限因变量以来已经有一段时间了，请原谅我对这些问题的无知。
我已在Statalist here交叉发布此问题。
答案 0 :(得分：0)
这不是Stata特定的，但是至少会查看Paolino's 2001 "Maximum Likelihood Estimation of Models with Beta-Distributed Dependent Variables;“会突出显示为什么OLS提供有偏见的估算器的点亮评论。
嘿，后续：有人做了Stata解决方案，查看“Buckley，Jack.2003。”使用Beta分布式相关变量估计模型：Paolino研究的复制和扩展。“政治分析.11（ 2）：204-205。“