如何使用NLS等回归估计模型参数？Stata实操问题咨询

问题2：do文件中beta变量灰显的成因与影响 #

• 成因：beta是Stata内置的系统保留常量，代表当前Stata版本的发行编号，do文件编辑器的语法高亮规则会对系统保留字做特殊标记，因此出现灰显效果。
• 影响：该效果仅为编辑器的显示规则，完全不会影响代码的实际运行，和NLS估计失败没有任何关联。如果怕后续混淆，直接把自定义参数名改为beta1、risk_beta这类非保留字名称即可，不需要调整代码逻辑。

问题1：alpha参数无法通过NLS估计的排查解决步骤 #

NLS为迭代求解的非线性算法，无法输出估计值基本都是迭代不收敛导致的，按以下优先级排查即可：

• 第一步：调整参数初始值
  NLS对初始值敏感度极高，初始值偏离真实值过远是90%以上估计失败的原因。你可以通过两种方式设置合理初始值：
  1. 参考同领域已发表文献中同类模型的参数取值，直接作为初始值代入
  2. 对你的理论模型做线性近似（可线性化的模型先做对数变换跑OLS），将OLS得到的系数作为NLS的初始值
     Stata中设置初始值的语法示例：

  * 示例中y为被解释变量，模型表达式替换为你自己的理论模型，初始值替换为你测算的合理取值
  nl (y = {alpha}*return + {beta}*risk + {gamma}*env) , ///
     parameters(alpha beta gamma) ///
     initial(alpha 0.8 beta 0.3 gamma 0.1)
  

• 第二步：检查模型书写规范
  确认模型表达式中alpha对应的项没有拼写错误，变量名和数据集内的变量名完全一致，括号、运算符号没有缺漏。
• 第三步：调整迭代参数
  如果初始值设置合理仍不收敛，可以放宽迭代规则，比如调高最大迭代次数、调低收敛阈值：

  nl (y = {alpha}*return + {beta}*risk + {gamma}*env) , ///
     parameters(alpha beta gamma) ///
     initial(alpha 0.8 beta 0.3 gamma 0.1) ///
     iterate(5000) tolerance(1e-6)
  

• 第四步：排查数据质量问题
  确认和alpha相关的核心解释变量没有大量缺失值、极端值，和其他变量不存在严重多重共线性，可以先运行corr 核心变量名查看相关系数，若系数超过0.8先处理共线性问题再做估计。

内容的提问来源于stack exchange，提问作者Rassul Kalfane