同一个模型检验交互效应，用reg命令和logit命令做出的交互项结果为什么完全不同？

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

研究问题：高等教育获得的城乡差距是否随着世代变化而变化
变量：college（是否上过大学，上过=1）；hukou（城市=1，农业=0）；cohort（60前、60后、70后、80后、90后；在此赋值1-5作为连续性变量）；控制变量：性别；ISEI（父辈职业地位）

首先用logit命令去做，发现主效应系数显著为正，交互效应系数显著为负，二者相反，这应该说明城乡差距在变小（但图好像不是这样的），结果如下
logit college i.sex  ISEI i.hukou##c.cohort

Logistic regression                             Number of obs     =
>      9,377
                                                LR chi2(5)        =
>    2364.44
                                                Prob > chi2       =
>     0.0000
Log likelihood =  -2763.177                     Pseudo R2         =
>     0.2996

--------------------------------------------------------------------
> ----------
     college |      Coef.   Std. Err.      z    P>|z|     [95% Conf.
>  Interval]
-------------+------------------------------------------------------
> ----------
         sex |
         男  |   .2463542   .0686799     3.59   0.000      .111744  
>   .3809643
        ISEI |   .0250937   .0018313    13.70   0.000     .0215043  
>    .028683
     1.hukou |   2.851293   .2105067    13.54   0.000     2.438707  
>   3.263878
      cohort |    1.03897    .046335    22.42   0.000     .9481555  
>   1.129785
             |
       hukou#|
    c.cohort |
          1  |  -.3098216   .0573215    -5.40   0.000    -.4221696  
>  -.1974735
             |
       _cons |  -6.527192   .1946669   -33.53   0.000    -6.908732  
>  -6.145652
--------------------------------------------------------------------
> ----------

作图：



但是，当我们用reg再做时（虽然知道reg和logit模型结果不一样，但至少方向应该一致吧），却惊人的发现其他的系数都与logit模型中的方向一致（如ISEI、sex啥的），但唯独 交互项系数是显著为正的（在logit模型是负向的），也就是说，随着世代的推移，城乡之间的不平等是扩大了的（从两个图中可以看出，这个结论才是对的）。

所以，到底哪个才是对的？为什么logit模型和ols模型做出来的结果会差这么多？



reg college i.sex  ISEI  i.hukou##c.cohort

      Source |       SS           df       MS      Number of obs   =
>      9,377
-------------+----------------------------------   F(5, 9371)      =
>     679.29
       Model |   316.08167         5   63.216334   Prob > F        =
>     0.0000
    Residual |   872.08896     9,371  .093062529   R-squared       =
>     0.2660
-------------+----------------------------------   Adj R-squared   =
>     0.2656
       Total |  1188.17063     9,376  .126724683   Root MSE        =
>     .30506

--------------------------------------------------------------------
> ----------
     college |      Coef.   Std. Err.      t    P>|t|     [95% Conf.
>  Interval]
-------------+------------------------------------------------------
> ----------
         sex |
         男  |   .0227956   .0063138     3.61   0.000     .0104191  
>    .035172
        ISEI |   .0032726   .0002067    15.83   0.000     .0028673  
>   .0036778
     1.hukou |   .0111246   .0135702     0.82   0.412     -.015476  
>   .0377251
      cohort |   .0639138   .0029323    21.80   0.000      .058166  
>   .0696617
             |
       hukou#|
    c.cohort |
          1  |   .0791321   .0050108    15.79   0.000     .0693099  
>   .0889543
             |
       _cons |  -.1566493   .0091877   -17.05   0.000    -.1746592  
>  -.1386394
--------------------------------------------------------------------
> ----------

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1 回帖

关键词：logit 模型检验 交互效应 交互项 Log

logit模型系数含义是几率比odds ratio的变化，解释起来和ols不同；或者算出边际效应margins进行比较，但非线性模型的边际效应不是常数，至于比较平均边际效应有没有意义得看你的研究。
ref：陈强. 高级计量经济学及Stata应用[M]. 第二版. 北京: 高等教育出版社, 2014. pp.169-177