Berechnen Randeffekte In Stata Forex

HINWEIS: Die IDRE Statistical Consulting Group wird die Migration der Website auf das WordPress CMS im Februar, um die Wartung und Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group, indem Sie ein Geschenk geben Stata FAQ Wie kann ich die Ergebnisse des Ränderbefehls grafisch darstellen (Stata 12) Die Ergebnisse des Ränderbefehls können Ihnen bei der Interpretation Ihres Modells helfen. Stata 12 führte den Befehl marginsplot ein, was den Graphprozess sehr einfach macht. Beginnen wir mit einem einfachen Beispiel. Das erste Beispiel ist eine 3x2 faktorielle Analyse der Kovarianz. Wir führen das Modell mit anova, aber wir würden die gleichen Ergebnisse erhalten, wenn wir liefen es mit Regression. Als Nächstes führen wir den Befehl margins aus, um die sechs Anpassungszellen von der 3x2-Interaktion zu erhalten. Diese angepassten Zellenmittel werden als kleinste Fehlerquadratmittel (lsmeans) in SAS oder geschätzte Randmittel (emmeans) in SPSS bezeichnet. Der Randsplot wird nach den Rändern verwendet, um die eingestellten Zellmittel zu zeichnen. Wir können auch die Ergebnisse für Frauen durch Prog nur durch die Verwendung der x () - Option. Für unser zweites Beispiel werden wir die Ergebnisse einer kategorischen durch kontinuierliche Interaktion aus einem logistischen Regressionsmodell. Wir verwenden den Ränderbefehl, um die vorhergesagten Wahrscheinlichkeiten für 11 Werte von s von 20 bis 70 für beide f gleich Null und f gleich eins zu erhalten. Die vsquish-Option reduziert nur die Anzahl der Leerzeilen in der Ausgabe. Insgesamt gibt es 22 Werte in der obigen Tabelle. Es gibt zwei prognostizierte Wahrscheinlichkeiten für jeden Wert von s. Ein jeder für Männer und Frauen. Nun können wir die Wahrscheinlichkeiten mit dem Befehl marginsplot grafisch darstellen. Dieses Mal werden die Standard-Konfidenzintervalle berücksichtigt. Wir können die Grafik visuell attraktiver machen, indem wir den Bereich innerhalb der Konfidenzintervalle schattieren. Das Diagramm der Wahrscheinlichkeiten oben ist schön, soweit es geht, aber die Darstellung der Ergebnisse könnte klarer sein, wenn wir den Unterschied der Wahrscheinlichkeiten zwischen Männern und Frauen grafisch darstellen würden. Um dies zu tun, müssen wir den Randbefehl erneut ausführen, der die diskrete Änderung für f bei jedem gelesenen Wert berechnet. Wir können den Unterschied mit der Option dydx (Derivat) erhalten. Alles ist bereit für den Befehl marginsplot. So schön wie das oben genannte Diagramm ist, könnte es besser als ein Bereichsdiagramm mit Bereichsschattierung zwischen den oberen und unteren Vertrauensschranken getan. Wenn die Linien in diesen Graphen glatter sein sollen, fügen Sie einfach mehr Werte in die Option at ein, z. B. (20 (2) 70) statt (20 (5) 70). Der Inhalt dieser Website sollte nicht als eine Anerkennung für eine bestimmte Website, Buch oder Softwareprodukt von der Universität von Kalifornien ausgelegt werden. Stata: Datenanalyse und statistische Software Mai Boggess, StataCorp Der Randeffekt einer unabhängigen Variable ist die Derivat (dh die Steigung) einer gegebenen Funktion der Kovarianten und Koeffizienten der vorhergehenden Schätzung. Das Derivat wird an einem Punkt ausgewertet, der üblicherweise und standardmäßig die Mittel der Kovariaten ist. Der Befehl mfx setzt voraus, dass die Variablen in der Schätzung unabhängig sind. Letrsquos beginnen mit einem Beispiel. Sagen wir, dass wir das quadratische Modell haben, das wir mit Regress passen. Der Randeffekt des linearen Prädiktors ist die Ableitung dieser Funktion bezüglich des Gewichts, ausgewertet mit dem Durchschnittsgewicht. Aufruf der mittleren Gewicht meanwei. Haben wir Wenn mfx nach regress mit diesem Modell lief, würde Stata nicht wissen, dass die zweite Kovariate eine Funktion der ersten war, also würde es die Ableitung berechnen, um nur b1 zu sein. Um die Randwirkungen einer solchen Funktion der Kovariaten zu erhalten, können wir nlcom verwenden. Dies ist nicht so einfach wie mit mfx, weil nlcom nicht die Differenzierung für uns, wie mfx tut. Die Technik, die wir benutzen werden, beruht auf unserem Kenntnis der Ableitung der Funktion im voraus, wie wir in unserem Beispiel oben getan haben. Der Grund, warum wir nlcom verwenden wollen, ist, dass es den Standardfehler des Randeffekts durch die Delta-Methode berechnet. Wir können auch predictnl in der gleichen Weise, da es auch entworfen, um die Delta-Methode verwenden, um Standard-Fehler zu erhalten. Hier sind einige Beispiele. Letrsquos beginnen mit ersten Beispiel von oben: Hier ist ein Beispiel mit probit mit zwei Kovariaten und ihre Interaktion. Es gibt drei Ableitungen, die wir mit diesem Modell erhalten können. Wir können die beiden ersten Ableitungen, den Randeffekt jeder Variablen und die zweite Ableitung (die Wahrscheinlichkeit des Erfolges, die in bezug auf beide Variablen differenziert ist) erhalten, was als Interaktionseffekt bezeichnet wird. Wie behandeln wir eine Dummy-Variable Der Randeffekt für eine Dummy-Variable wird nicht durch Differenzierung erhalten, sondern als Differenz des vorhergesagten Wertes bei 1 und des vorhergesagten Wertes bei 0. Hier ist ein Beispiel für ein Logitmodell mit einer Interaktion, wobei eines Variable ist ein Dummy.