Stata中的adjust命令是一个用于在回归分析后计算预测值和调整均值的实用工具，尤其适用于展示自变量在不同取值组合下的因变量预期值，该命令常与回归模型（如regress、logit等）结合使用，帮助研究者直观理解变量之间的关系，以下从功能原理、语法结构、实际应用及注意事项等方面详细介绍adjust命令的使用方法。

功能原理与核心用途

adjust命令的核心功能是根据已估计的回归模型，计算自变量特定取值下的因变量预测值，默认情况下，命令会处理分类变量为各水平的均值组合，连续变量则取其均值（或用户指定的值），在多元线性回归中，adjust可展示控制其他变量后，某分类变量（如性别、教育水平）对因变量的平均影响；在logistic回归中，则可输出预测概率。adjust支持通过by选项分组计算，或使用ci选项生成置信区间，便于比较组间差异。

语法结构与常用选项

adjust命令的基本语法为：

adjust [varlist] [if] [in] [, options]

varlist指定需要调整的自变量（若省略，则默认包含模型中的所有变量），常用选项包括：

• by(groupvar)：按groupvar的分组分别计算调整均值。
• ci：显示预测值的95%置信区间。
• beta：使用标准化系数（beta系数）进行计算，适用于不同量纲变量的比较。
• replace：覆盖已存在的预测结果变量。
• se：输出预测值的标准误。

在回归后执行adjust age i.female, ci by(education)，将按education分组，计算控制age和female（虚拟变量）后的因变量预测值及其置信区间。

实际应用示例

假设研究者使用regress命令分析了收入（income）与年龄（age）、性别（female，0=男性，1=女性）、教育水平（education，1=高中及以下，2=本科，3=研究生）的关系，现需展示不同性别和教育水平的预期收入：

regress income age i.female i.education
adjust i.female i.education, ci

输出结果将包含各性别与教育组合的预测收入均值及置信区间,若需按年龄分组（如20-30岁、31-40岁），可进一步使用：

adjust i.female i.education if age>=20 & age<=30, ci

对于非线性模型（如logit），adjust会输出预测概率。

logit employed age i.education
adjust i.education, ci

结果将展示不同教育水平的就业概率。

注意事项与常见问题

1. 变量取值处理：若未指定varlist，adjust会自动将连续变量取均值，分类变量取各水平均值，用户可通过at()选项手动指定取值，如adjust age, at(age=30 40)。
2. 样本范围限制：if和in选项可限定计算范围，但需确保新数据与模型估计样本一致，避免外推误差。
3. 模型兼容性：adjust适用于大多数Stata回归命令，但部分模型（如xtmixed）可能需要使用margins命令替代。
4. 结果解读：调整均值是“控制其他变量后的预测值”，而非实际观测值，需结合模型假设解释。

相关问答FAQs

Q1: adjust与margins命令有何区别？
A: adjust是较早期的命令，功能相对基础，主要用于计算特定自变量组合的预测值；而margins是更现代的命令，支持更复杂的边际效应计算（如偏效应、交互效应），并提供更丰富的输出选项和图形功能，对于复杂模型（如面板数据、广义线性混合模型），推荐优先使用margins。

Q2: 如何使用adjust命令处理连续变量的非均值取值？
A: 通过at()选项可指定连续变量的具体值，若需计算age为25、35、45岁时的预测收入，可执行：

adjust i.female i.education, at(age=25 35 45) ci

这将输出控制性别和教育后,age取这三个值时的因变量预测值及置信区间。