Combined subject table of contents 17
[
R
] binreg . . . . . . . . . . . . Generalized linear models: Extensions to the binomial family
[
R
] biprobit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bivariate probit regression
[
R
] cloglog . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Complementary log-log regression
[
LASSO
] dslogit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Double-selection lasso logistic regression
[
ERM
] eprobit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Extended probit regression
[
TE
] eteffects . . . . . . . . . . . . . . . . . . . . . . . . . . . . Endogenous treatment-effects estimation
[
R
] exlogistic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exact logistic regression
[
FMM
] fmm estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fitting finite mixture models
[
R
] glm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Generalized linear models
[
R
] heckprobit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Probit model with sample selection
[
R
] hetprobit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Heteroskedastic probit model
[
IRT
] irt 1pl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . One-parameter logistic model
[
IRT
] irt 2pl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Two-parameter logistic model
[
IRT
] irt 3pl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Three-parameter logistic model
[
IRT
] irt hybrid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Hybrid IRT models
[
R
] ivprobit . . . . . . . . . . . . . . . . . . Probit model with continuous endogenous covariates
[
R
] logistic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Logistic regression, reporting odds ratios
[
R
] logit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Logistic regression, reporting coefficients
[
ME
] mecloglog . . . . . . . . . . . Multilevel mixed-effects complementary log-log regression
[
ME
] melogit . . . . . . . . . . . . . . . . . . . . . . . . . . Multilevel mixed-effects logistic regression
[
ME
] meprobit . . . . . . . . . . . . . . . . . . . . . . . . . . Multilevel mixed-effects probit regression
[
LASSO
] pologit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Partialing-out lasso logistic regression
[
R
] probit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Probit regression
[
R
] rocfit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Parametric ROC models
[
R
] rocreg . . . . . . . . . . . . . . . . . . . . . Receiver operating characteristic (ROC) regression
[
R
] scobit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Skewed logistic regression
[
TE
] teffects aipw . . . . . . . . . . . . . . . . . . . . . . . . Augmented inverse-probability weighting
[
TE
] teffects ipw . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Inverse-probability weighting
[
TE
] teffects ipwra . . . . . . . . . . . . . . . Inverse-probability-weighted regression adjustment
[
TE
] teffects nnmatch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nearest-neighbor matching
[
TE
] teffects psmatch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Propensity-score matching
[
TE
] teffects ra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Regression adjustment
[
LASSO
] xpologit . . . . . . . . . . . . . . . . . . . . . . . Cross-fit partialing-out lasso logistic regression
[
XT
] xtcloglog . . . . . . . . . . . . . . Random-effects and population-averaged cloglog models
[
XT
] xteprobit . . . . . . . . . . . . . . . . . . . . . . . . . . Extended random-effects probit regression
[
XT
] xtlogit . . . . . . . Fixed-effects, random-effects, and population-averaged logit models
[
XT
] xtprobit . . . . . . . . . . . . . . . . Random-effects and population-averaged probit models
Categorical outcomes
[
U
] Chapter 20 . . . . . . . . . . . . . . . . . . . . . . . . . Estimation and postestimation commands
[
U
] Section 27.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ordinal outcomes
[
U
] Section 27.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Categorical outcomes
[
BAYES
] Bayesian estimation . . . . . . . . . . . . . . . . . . . . . . . . . . Bayesian estimation commands
[
R
] clogit . . . . . . . . . . . . . . . . . . . . . . . . . . . Conditional (fixed-effects) logistic regression
[
CM
] cmclogit . . . . . . . . . . . . . . . . . . . . . . . Conditional logit (McFadden’s) choice model
[
CM
] cmmixlogit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mixed logit choice model
[
CM
] cmmprobit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Multinomial probit choice model
[
CM
] cmxtmixlogit . . . . . . . . . . . . . . . . . . . . . . . . . . . Panel-data mixed logit choice model
[
FMM
] fmm estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fitting finite mixture models
[
IRT
] irt nrm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nominal response model
[
R
] mlogit . . . . . . . . . . . . . . . . . . . . . . . . . . Multinomial (polytomous) logistic regression