Stata中用for loop批量执行Logistic回归并预测值与残差

实现思路 #

先将需要逐步加入的自变量存入局部宏，通过循环依次选取前N个变量构建回归模型，每次回归后自动生成对应序号的预测值和残差变量。

示例代码 #

* 1. 定义待逐步加入的自变量列表（替换为你的实际变量名）
local x_vars x-variable1 x-variable2 x-variable3 x-variable4

* 2. 自动统计自变量总数
local num_x : word count `x_vars'

* 3. 循环执行逐步回归与预测操作
forvalues i = 1/`num_x' {
    * 提取当前循环对应的前i个自变量
    local current_x : word 1/`i' of `x_vars'
    
    * 执行Logistic回归
    logit y-variable `current_x'
    
    * 生成对应序号的预测值（变量名：values1、values2...）
    predict values`i'
    
    * 生成对应序号的残差（变量名：residuals1、residuals2...）
    predict residuals`i', res
}

代码说明 #

• local x_vars：把所有要逐步加入的自变量统一存入局部宏，后续可直接调用，你只需替换成自己的变量名即可。
• local num_x : word count x_vars''：自动计算自变量的总个数，无需手动指定循环上限，适配不同数量的自变量场景。
• forvalues i = 1/num_x'`：从1开始循环到自变量总数，每次循环对应“加入第i个自变量”的回归操作。
• local current_x : word 1/i' of x_vars'：每次循环提取前i个自变量，实现逐步加入变量的效果。
• 两次predict命令通过values`i'和residuals`i'自动生成带序号的变量，和你手动编写的单步代码效果完全一致。

内容的提问来源于stack exchange，提问作者Tinzyl