selection model: Heckit model）、内生性变换模型（endogenous switching regression）或倾向分分析法（propensity score matching analysis）。
分层数据
2、负二项回归(negative binomial) 3、零膨胀模型(ZIP & ZINB) 4、Hurdle 模型(Hurdle model) 分层回归模型（固定＋随机效应）
面板数据
随机效应及固定效应模型
二分类变量(binomial variable)
截面数据 分层数据 面板数据
普通二分类 logit 模型(binary logit model) 分层二分类 logit 模型（固定＋随机效应） 随机效应及固定效应模型
截面数据
普通多分类 logit/probit 模型/条件 logit 模型(multinomial
多分类变量 分类变量 （二项分布或多项式分布） (multinomial variable) (categorical data)
定序变量 (ordinal variable)
分层数据 面板数据+删截(longitudinal data: 事件史分析：Cox 模型(event history analysis)
censoring+time-dependent covariate)
注：1、针对整群（cluster）抽样数据，可采用 Huber-White 标准误调整法或采用 STATA 中的调查估计分析法（survey estimator，命令都以 svy 开头，如 svyreg）。 2、针对删截数据（censoring），可采用 Tobit 模型（Tobin’s probit model）；针对截除数据（truncation）与内生生性（endogenous）样本选择问题，可采用 Heckman 选择模型（Heckman
常用回归模型简介
因变量类型(DV)
数据类型(data type)
常用模型(common model)
备注
连续变量
截面数据(cross-section data)
普通线性回归(multiple linear regression)
（正态分布）
分层数据(multilevel data)
分层线性模型(固定＋随机效应)(multilevel model: random+fixed effect)
(continuous variable)
面板数据(panel data)
随机效应及固定效应模型(random effect and fixed effect model)
截面数据
1、Poisson 回归(Poisson regression)
计数变量 （Poisson 分布）
(count data)
logit model/conditional logit model) 分层多分类 logit 模型（固定＋随机效应） 随机效应及固定效应模型 普通定序 logit/probit 模型(ordered logit/probit model) 分层定序 logit 模型（固定＋随机效应） 随机效应及固定效应模型