5.8 Mlogit - multinomisk logistisk regresjonsanalyse

En kan benytte logistiske modeller med flere enn to mulige utfall for responsvariabelen, dvs. multinomiske logit-modeller, gjennom følgende kommando:

 mlogit <variabel> <variabelliste> [if <betingelse>] [,<opsjoner>]

Den avhengige variabelen må angis først, etterfulgt av forklaringsvariablene. Opsjoner kan benyttes for ulike formål, som f.eks. robust- eller cluster-estimering, jfr. underkapitlene nedenfor. I likhet med andre statistiske kommandoer, kan også regresjonskommandoer kombineres med en if-betingelse for å kjøre regresjoner på utvalgte grupper. For full oversikt over muligheter, bruk kommandoen help mlogit.

I det rapporterte resultatet vil hovedtabellen bli mer omfattende enn for vanlige (binomiske) logistiske modeller. En får et sett med koeffisienter, standardfeil, z-verdier etc for hvert mulige utfall minus referanseutfallet. Ved f.eks. 3 utfall får en altså 2 sett med verdier. Ved tolkninger av disse så sammenlikner en med sannsynligheten for å havne i referanseutfallet. Betydningen av de ulike rapporterte målene i tabellen gjennomgås i kapittel 5.7.

Eksempel:

I eksempelet over er den avhengige variabelen inntgr kodet på følgende måte:

 
generate inntgr = 1
replace inntgr = 2 if innt05 > 200000
replace inntgr = 3 if innt05 > 400000
 

Faktorvariabler, og cluster- og robust-estimering kan også benyttes. Fremgangsmåten er den samme som for ordinær lineær regresjon. Se hhv. kapittel 5.4.1 og 5.4.3 for mer informasjon om dette.

Se dessuten kapittel 5.7.1 for informasjon om hvordan marginaleffekter estimeres. Fremgangsmåten er den samme som for binære logistiske modeller.