Probit：删除完美预测失败的组

Question

我有一个组年面板数据。 结果 y 是成功的虚拟变量。 x 中的第一列是连续变量“努力”。 第二列是一个哑元，表示 A 组。第三列是 B 组的哑元。C 组没有哑元，以避免共线性。

我想使用概率模型预测成功的概率。 我尝试的代码是：

b = glmfit(x,y,'binomial','Link','probit');
b =
    0.1857 (constant)
   -1.8149 (effort)   
  -16.1148 (group A)
  -16.2994 (group B)

在数据中，A 组的所有结果都是失败。 所以 x 中的第二列完美地预测了y == 0 。

Matlab 还提出了一个警告：

  Warning: The estimated coefficients perfectly separate failures from successes. This means the theoretical best estimates are not finite.
For the fitted linear combination XB of the predictors, the sample proportions P of Y=N in the data satisfy:
   XB<-0.834093: P=0
   XB=-0.834093: P=1
   XB>-0.834093: P=0 

但是，它仍然返回 A 组虚拟对象的估计系数，即b(3) = -16.1148.

问题：由于x(:,2)完美地预测失败，b(3) 应该是 0。 glmfit 中是否有选项可以删除 glmfit 函数中 A 组的观察值，然后将该列的系数返回为 0？ 所以我可以得到类似的东西：

   b =
    0.1857 (constant)
   -1.8149 (effort)   
     0     (group A)
    xxx    (group B)

Stata 使用以下命令自动执行此操作：

    probit y effort i.group

事实证明，对常数和努力的估计是相同的。 所以完美失效问题只影响组假人系数......

谢谢！！！