stata里做oprobit模型时，想要求出边际效应怎么做？

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

自变量和因变量均为序次变量，用的oprobit回归。回归的系数有4个，因为我的自变量是取值1-5的。我想得到自变量对于因变量的不同等级的影响，而非不同等级的自变量对因变量的影响。有大神指导吗~以下是我的口令
oprobit risk i.AG

Iteration 0:   log likelihood = -537.28869  
Iteration 1:   log likelihood = -533.62133  
Iteration 2:   log likelihood = -533.62113  
Iteration 3:   log likelihood = -533.62113  

Ordered probit regression                       Number of obs     =        393
                                                LR chi2(4)        =       7.34
                                                Prob > chi2       =     0.1192
Log likelihood = -533.62113                     Pseudo R2         =     0.0068

------------------------------------------------------------------------------
        risk |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
          AG |
          2  |   .2828894   1.062195     0.27   0.790    -1.798974    2.364753
          3  |   .5550488   1.041922     0.53   0.594     -1.48708    2.597178
          4  |   .7418244   1.041585     0.71   0.476    -1.299645    2.783293
          5  |   .8374285   1.046724     0.80   0.424    -1.214113     2.88897
-------------+----------------------------------------------------------------
       /cut1 |  -1.801405    1.05955                     -3.878085    .2752741
       /cut2 |  -.4697935   1.038462                     -2.505142    1.565555
       /cut3 |   .4697935   1.038462                     -1.565555    2.505142
       /cut4 |   1.328724   1.040216                     -.7100606    3.367509
------------------------------------------------------------------------------
而用margins口令会得出25个结果
margins i.AG

Adjusted predictions                            Number of obs     =        393
Model VCE    : OIM

1._predict   : Pr(risk==1), predict(pr outcome(1))
2._predict   : Pr(risk==2), predict(pr outcome(2))
3._predict   : Pr(risk==3), predict(pr outcome(3))
4._predict   : Pr(risk==4), predict(pr outcome(4))
5._predict   : Pr(risk==5), predict(pr outcome(5))

------------------------------------------------------------------------------
             |            Delta-method
             |     Margin   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
_predict#AG |
        1 1  |   .0358195   .0834402     0.43   0.668    -.1277203    .1993593
        1 2  |   .0185667   .0133603     1.39   0.165    -.0076191    .0447524
        1 3  |   .0092252   .0056685     1.63   0.104    -.0018848    .0203352
        1 4  |   .0054916   .0035763     1.54   0.125    -.0015178    .0125011
        1 5  |   .0041596   .0030805     1.35   0.177    -.0018781    .0101972
        2 1  |   .2834318   .2897798     0.98   0.328    -.2845261    .8513897
        2 2  |   .2072536   .0612446     3.38   0.001     .0872163    .3272908
        2 3  |   .1434936   .0237811     6.03   0.000     .0968835    .1901037
        2 4  |   .1073377   .0187506     5.72   0.000     .0705873    .1440881
        2 5  |   .0914091   .0234438     3.90   0.000     .0454601     .137358
        3 1  |   .3614975   .0275106    13.14   0.000     .3075776    .4154173
        3 2  |   .3483119   .0328401    10.61   0.000     .2839465    .4126773
        3 3  |   .3133104   .0263079    11.91   0.000     .2617479    .3648729
        3 4  |   .2799698   .0257674    10.87   0.000     .2294666    .3304731
        3 5  |   .2610041   .0325729     8.01   0.000     .1971623    .3248458
        4 1  |   .2272818   .2000035     1.14   0.256    -.1647179    .6192815
        4 2  |   .2780493   .0413005     6.73   0.000     .1971018    .3589968
        4 3  |   .3144094    .024155    13.02   0.000     .2670665    .3617524
        4 4  |   .3285654   .0242688    13.54   0.000     .2809994    .3761315
        4 5  |   .3318187   .0243704    13.62   0.000     .2840536    .3795837
        5 1  |   .0919695   .1716556     0.54   0.592    -.2444694    .4284083
        5 2  |   .1478186   .0531652     2.78   0.005     .0436168    .2520205
        5 3  |   .2195613   .0295793     7.42   0.000      .161587    .2775357
        5 4  |   .2786354     .03142     8.87   0.000     .2170534    .3402175
        5 5  |   .3116086   .0488098     6.38   0.000     .2159432     .407274
------------------------------------------------------------------------------

我想得到的最终结果类似于下表：

这个模型中的自变量和因变量几乎都是序次变量，除了x4。非序次变量不可以用margins口令，但是这里却导出了x4的边际效应，这是我想问的第二个问题，请问作者是怎么得出连续变量对序次变量的边际效应的？
我太小白了，如果有说的不清楚的地方欢迎大家指正。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：oprobit模型 oprobit Probit Stata 边际效应

请问问题解决了么