1

次のコードを実行しています。

oprobit var1 var2 var3 var4 var5 var2##var3 var4##var5 var6 var7 etc.

交互作用項がなければ、次のコードを使用して係数を解釈できたはずです。

mfx compute, predict(outcome(2))

[結果が 2 の場合 (合計で 4 つの結果があります)]

しかしmfx、相互作用項では機能しないため、エラーが発生します。コマンドを使用しようとしまし marginsたが、うまくいきませんでした!!! margins var2 var3 var4 var5 var2##var3 var4##var5 var6 var7 etc... , post

margins相互作用用語に対してのみ機能します:(margins var2 var3 var4 var5, post) 相互作用と通常の変数の両方を解釈できるようにするには、どのコマンドを使用しますか?

最後に、単純な言葉を使用するために、私の質問は次のとおりです。上記の回帰モデルが与えられた場合、係数を解釈するためにどのコマンドを使用できますか?

4

2 に答える 2

3

mfx はマージンに置き換えられた古いコマンドです。そのため、交互作用の定義に使用した因子変数表記では機能しません。margins コマンドで実際に何を計算するつもりだったのかはわかりません。

結果 2 の確率に対する平均限界効果を取得する方法の例を次に示します。

. webuse fullauto
(Automobile Models)

. oprobit rep77 i.foreign c.weight c.length##c.mpg

Iteration 0:   log likelihood = -89.895098  
Iteration 1:   log likelihood = -76.800575  
Iteration 2:   log likelihood = -76.709641  
Iteration 3:   log likelihood = -76.709553  
Iteration 4:   log likelihood = -76.709553  

Ordered probit regression                         Number of obs   =         66
                                                  LR chi2(5)      =      26.37
                                                  Prob > chi2     =     0.0001
Log likelihood = -76.709553                       Pseudo R2       =     0.1467

--------------------------------------------------------------------------------
         rep77 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
---------------+----------------------------------------------------------------
     1.foreign |   1.514739   .4497962     3.37   0.001      .633155    2.396324
        weight |  -.0005104   .0005861    -0.87   0.384    -.0016593    .0006384
        length |   .0969601   .0348506     2.78   0.005     .0286542     .165266
           mpg |   .4747249   .2241349     2.12   0.034     .0354286    .9140211
               |
c.length#c.mpg |  -.0020602   .0013145    -1.57   0.117    -.0046366    .0005161
---------------+----------------------------------------------------------------
         /cut1 |   17.21885   5.386033                      6.662419    27.77528
         /cut2 |   18.29469   5.416843                      7.677877    28.91151
         /cut3 |   19.66512   5.463523                      8.956814    30.37343
         /cut4 |   21.12134   5.515901                      10.31038    31.93231
--------------------------------------------------------------------------------

.  margins, dydx(*) predict(outcome(2))

Average marginal effects                          Number of obs   =         66
Model VCE    : OIM

Expression   : Pr(rep77==2), predict(outcome(2))
dy/dx w.r.t. : 1.foreign weight length mpg

------------------------------------------------------------------------------
             |            Delta-method
             |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
   1.foreign |  -.2002434   .0576487    -3.47   0.001    -.3132327    -.087254
      weight |   .0000828   .0000961     0.86   0.389    -.0001055    .0002711
      length |  -.0088956    .003643    -2.44   0.015    -.0160356   -.0017555
         mpg |   -.012849   .0085546    -1.50   0.133    -.0296157    .0039178
------------------------------------------------------------------------------
Note: dy/dx for factor levels is the discrete change from the base level.

限界効果ではなく予測が必要な場合は、試してください

margins, predict(outcome(2))

相互作用項だけの限界効果は、非線形モデルでは計算が難しくなります。詳細はこちら。

于 2013-04-17T19:09:56.260 に答える
0 
The marginal effects for positive outcomes, Pr(depvar1=1, depvar2=1), are
        . mfx compute, predict(p11)
The marginal effects for Pr(depvar1=1, depvar2=0) are
        . mfx compute, predict(p10)
The marginal effects for Pr(depvar1=0, depvar2=1) are
        . mfx compute, predict(p01)
于 2013-04-30T01:03:51.883 に答える