条件 Logit + 随机效应是什么？
条件 Logit 回答的是同一个决策者在一组备选项中为什么选择某一个。它关注备选项属性的差异，例如价格、距离、质量或政策特征，而不是只把个体看成一行样本。
先用一句话理解
把条件 logit 想成一个人在菜单里点菜。菜单上每道菜价格、口味、等待时间不同，模型问的是这些备选项属性如何影响被选中的概率。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 每个个体面对多个备选项，并且选择一个或多个选项。 |
| 先不要用在 | 数据没有清楚的 choice set，或者只有个体层变量没有备选项层变量。 |
| 最关键的前提 | 每个决策者的备选集合和被选中项必须能准确重建。 |
| 读表顺序 | 先看 choice set，再看备选项属性系数和 odds ratio。 |
| 论文表述边界 | 条件 logit 解释的是同一选择集内部的相对选择概率。 |
把它和相近方法分清楚
| 容易混淆的对象 | 怎么区分 | 初学者记法 |
|---|---|---|
| 普通 Logit | 每行是一个人，结果是是否选择。 | 强调个体差异。 |
| 条件 Logit | 每行是人-备选项，结果是该项是否被选。 | 强调备选项属性。 |
| 随机效应 Logit | 允许个体或组层随机差异。 | 用于处理层级相关。 |
核心直觉和模型公式
选择集内的相对概率
条件 logit 的选择概率可写成：
\[P(Y_{ij}=1\mid C_i)=\frac{\exp(X_{ij}\beta)}{\sum_{k\in C_i}\exp(X_{ik}\beta)}\]
同一个选择集 C_i 内，各备选项的概率相互竞争并加总为 1。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| i | 决策者 | 消费者、企业、学生或其他选择主体。 |
| j | 备选项 | 可被选择的产品、地点、学校或方案。 |
| C_i | 选择集 | 个体 i 面对的所有备选项。 |
| X_ij | 备选项属性 | 价格、距离、质量等随备选项变化的变量。 |
| β | 属性效应 | 属性变化对相对选择概率的影响。 |
专业使用口径
专业条件 logit 报告要证明选择集构造可信。
| 口径 | 专业写法 |
|---|---|
| 选择集 | 说明每个个体有哪些真实可选项。 |
| 被选中项 | 每个选择集内至少要明确哪个选项被选。 |
| 备选项属性 | 核心解释变量应在备选项之间变化。 |
| IIA 风险 | 相似备选项过多时要考虑嵌套 logit 或敏感性。 |
一步一步做：从问题到结果的五步
| 步骤 | 这一页具体做什么 | 做到什么程度才算读懂 |
|---|---|---|
| 1. 重构 choice set | 把数据整理成人-备选项格式。 | 一人多行是核心结构。 |
| 2. 标记选择结果 | 被选中项为 1，其他备选项为 0。 | 选择集内结果要互斥。 |
| 3. 加入备选项属性 | 价格、距离等变量随 j 变化。 | 只随人变化的变量会被条件化掉。 |
| 4. 估计条件 logit | 比较同一选择集内属性差异。 | 解释是相对概率。 |
| 5. 检查替代结构 | 看 IIA 是否过强。 | 相似选项可能需要更复杂模型。 |
结果怎么读：先读口径，再读数字
本页案例读表时，先记住这个口径：Logit 系数 = 0.0177；高创新企业概率模型中的 DFI 系数。
| 读表顺序 | 本页怎么读 | 不要这样读 |
|---|---|---|
| 先看数据结构 | 是否是一人多个备选项。 | 普通横截面表不够。 |
| 再看属性变化 | 核心变量是否在选择集内变化。 | 没有组内变化就识别不了。 |
| 然后看系数 | 属性提高是否增加被选概率。 | 它是相对概率变化。 |
| 最后看 IIA | 替代项之间是否过于相似。 | IIA 不合理会影响解释。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 没有 choice set 也叫 clogit | 错。选择集是核心。 |
| 把个体常数变量当核心解释 | 错。条件化后通常无法识别。 |
| 不说明备选项如何生成 | 错。读者无法判断可选集合。 |
| 忽略 IIA | 风险高。相似选项会让替代结构不真实。 |
先看这个案例的结论
- Logit 系数 = 0.0177；高创新企业概率模型中的 DFI 系数。
- Poisson 系数 = -0.0006；专利计数模型中的 DFI 系数。
- 基准 OLS 系数 = 0.0032；与线性模型方向对照。
- 这些数字来自页面里的结果表；写论文时先解释数值含义，再讨论理论含义。
变量要求和案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | clogit_results.csv |
| 角色要求 | 因变量、核心解释变量、个体 ID |
| 依赖包 | 无额外 Stata 社区包要求 |
实际代码
下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。
import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year
global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0
clogit high_patent $x roa lev size growth cashflow, group(firm_id)
export delimited using "$JOB_DIR/clogit_results.csv", replace实际输出表
这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。
| 指标 | 数值 | 解释 |
|---|---|---|
| 样本 | 1200 obs / 196 firms / 2015-2020 | 来自共用案例 CSV |
| 因变量 | ln(1 + patent_count) | 企业创新产出 |
| 核心解释变量 | dfi_index | 数字普惠金融指数 |
| 输出文件 | clogit_results.csv | empirical-wizard 对应方法产物 |
| Logit 系数 | 0.0177 | 高创新企业概率模型中的 DFI 系数 |
| Poisson 系数 | -0.0006 | 专利计数模型中的 DFI 系数 |
| 基准 OLS 系数 | 0.0032 | 与线性模型方向对照 |
案例图
这是一张由同一份案例数据生成的页面内诊断图。
论文里怎么写
本文在共用企业面板样本上报告条件 Logit + 随机效应，核心输出见 clogit_results.csv。结果解释时同时关注样本口径、变量构造、系数方向、标准误和适用前提，避免只凭单个 p 值完成方法选择。
检查清单
- 先确认选择发生在明确的组或匹配集内。
- 条件 Logit 利用组内变化，组内没有变化的变量无法识别。
- 解释 odds 或预测概率时要说明基准选择集。