Stata中如何在coefplot上存储并绘制回归系数的置信区间

步骤1：同时存储系数与置信区间上下限 #

每次跑完目标回归后，除了存储系数，还要计算并存储95%置信区间的上下限（以t分布为例，大样本可替换为z分布）：

// 假设这是你针对某一时间段的回归代码，替换为实际模型
reg y x1 x2 x3

// 存储系数
local coef1 = _b[x1]
// 提取回归自由度与标准误
local df = e(df_r)
local se1 = _se[x1]
// 计算95%置信区间上下限
local lci1 = `coef1' - invttail(`df', 0.025)*`se1'
local uci1 = `coef1' + invttail(`df', 0.025)*`se1'

重复上述操作，依次得到coef2-coef6、lci2-lci6、uci2-uci6（对应6个时间区间）。

步骤2：构建包含系数与置信区间的矩阵 #

创建一个3行6列的矩阵，分别存放系数、置信区间下限、置信区间上限：

matrix Z = (`coef1',`coef2',`coef3',`coef4',`coef5',`coef6') \ ///
           (`lci1',`lci2',`lci3',`lci4',`lci5',`lci6') \ ///
           (`uci1',`uci2',`uci3',`uci4',`uci5',`uci6')

步骤3：用coefplot绘制带置信区间的折线图 #

调用coefplot时，指定矩阵第一行为点估计值，第二、三行为置信区间的上下限，同时移除原代码中的noci参数：

coefplot (matrix(Z[1,]), ci((Z[2,]) (Z[3,])) ciopts(recast(rcap)) ///
          vertical recast(connected) xlabel(1 "P1" 2 "P2" 3 "P3" 4 "P4" 5 "P5" 6 "P6") ///
          yline(0) name(Fig000) xtitle(Time intervals) ytitle(Coefficient))

优化：用循环简化重复操作 #

如果6个时间区间可通过循环遍历（比如用标记变量区分时间段），可以用循环自动完成存储与矩阵构建：

// 初始化3行6列的空矩阵
matrix Z = J(3,6,0)

forvalues i=1/6 {
    // 替换为针对第i个时间段的回归代码，比如按period变量筛选
    reg y x1 x2 x3 if period == `i'
    // 存入系数与置信区间
    matrix Z[1,`i'] = _b[x1]
    local df = e(df_r)
    matrix Z[2,`i'] = _b[x1] - invttail(`df', 0.025)*_se[x1]
    matrix Z[3,`i'] = _b[x1] + invttail(`df', 0.025)*_se[x1]
}

// 绘图代码同步骤3
coefplot (matrix(Z[1,]), ci((Z[2,]) (Z[3,])) ciopts(recast(rcap)) ///
          vertical recast(connected) xlabel(1 "P1" 2 "P2" 3 "P3" 4 "P4" 5 "P5" 6 "P6") ///
          yline(0) name(Fig000) xtitle(Time intervals) ytitle(Coefficient))

注意事项 #

• 若使用z分布（大样本场景），将invttail(df', 0.025)替换为invnormal(0.975)`即可
• 非OLS模型（如probit、logit）需调整置信区间的计算逻辑，匹配对应模型的分布特征

内容的提问来源于stack exchange，提问作者Joshua Scott