请问进行biprobit回归以后怎样求所有变量的边际效应？

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

请问进行biprobit回归以后怎样求所有变量的边际效应？我试了mfx\margins,不知道如何设定，总是不能得到正确的结果

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4 回帖

关键词：biprobit Probit回归 Probit 边际效应 Rob 如何

webuse school,clear

*Bivariate probit regression
biprobit private vote logptax loginc years

margins,predict(p00) dydx(*)
margins,predict(p01) dydx(*)
margins,predict(p10) dydx(*)
margins,predict(p11) dydx(*)

蓝色 发表于 2013-1-25 07:56
webuse school,clear

*Bivariate probit regression

试了多次，biprobit回归以后，用margins 总是出现一行提示：prediction is a function of possibly stochastic quantities other than e(b)，这是什么情况呢？

. webuse school,clear

.
. *Bivariate probit regression
. biprobit private vote logptax loginc years

Fitting comparison equation 1:

Iteration 0:   log likelihood = -31.967097  
Iteration 1:   log likelihood = -31.452424  
Iteration 2:   log likelihood = -31.448958  
Iteration 3:   log likelihood = -31.448958  

Fitting comparison equation 2:

Iteration 0:   log likelihood = -63.036914  
Iteration 1:   log likelihood = -58.534843  
Iteration 2:   log likelihood = -58.497292  
Iteration 3:   log likelihood = -58.497288  

Comparison:    log likelihood = -89.946246

Fitting full model:

Iteration 0:   log likelihood = -89.946246  
Iteration 1:   log likelihood = -89.258897  
Iteration 2:   log likelihood = -89.254028  
Iteration 3:   log likelihood = -89.254028  

Bivariate probit regression                       Number of obs   =         95
                                                  Wald chi2(6)    =       9.59
Log likelihood = -89.254028                       Prob > chi2     =     0.1431

------------------------------------------------------------------------------
             |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
private      |
     logptax |  -.1066962   .6669782    -0.16   0.873    -1.413949    1.200557
      loginc |   .3762037   .5306484     0.71   0.478     -.663848    1.416255
       years |  -.0118884   .0256778    -0.46   0.643    -.0622159    .0384391
       _cons |  -4.184694   4.837817    -0.86   0.387    -13.66664    5.297253
-------------+----------------------------------------------------------------
vote         |
     logptax |  -1.288707   .5752266    -2.24   0.025    -2.416131   -.1612839
      loginc |    .998286   .4403565     2.27   0.023     .1352031    1.861369
       years |  -.0168561   .0147834    -1.14   0.254    -.0458309    .0121188
       _cons |  -.5360573   4.068509    -0.13   0.895    -8.510188    7.438073
-------------+----------------------------------------------------------------
     /athrho |  -.2764525   .2412099    -1.15   0.252    -.7492153    .1963102
-------------+----------------------------------------------------------------
         rho |  -.2696186   .2236753                     -.6346806    .1938267
------------------------------------------------------------------------------
Likelihood-ratio test of rho=0:     chi2(1) =  1.38444    Prob > chi2 = 0.2393

.
. margins,predict(p00) dydx(*)

Average marginal effects                          Number of obs   =         95
Model VCE    : OIM

Expression   : Pr(private=0,vote=0), predict(p00)
dy/dx w.r.t. : logptax loginc years

------------------------------------------------------------------------------
             |            Delta-method
             |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     logptax |    .408256   .1671983     2.44   0.015     .0805534    .7359587
      loginc |  -.3410811   .1279006    -2.67   0.008    -.5917616   -.0904006
       years |   .0062274     .00479     1.30   0.194    -.0031609    .0156157
------------------------------------------------------------------------------

. margins,predict(p01) dydx(*)

Average marginal effects                          Number of obs   =         95
Model VCE    : OIM

Expression   : Pr(private=0,vote=1), predict(p01)
dy/dx w.r.t. : logptax loginc years

------------------------------------------------------------------------------
             |            Delta-method
             |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     logptax |  -.3891093   .1823773    -2.13   0.033    -.7465622   -.0316564
      loginc |   .2735708   .1424442     1.92   0.055    -.0056147    .5527563
       years |   -.004094   .0053094    -0.77   0.441    -.0145002    .0063122
------------------------------------------------------------------------------

. margins,predict(p10) dydx(*)

Average marginal effects                          Number of obs   =         95
Model VCE    : OIM

Expression   : Pr(private=1,vote=0), predict(p10)
dy/dx w.r.t. : logptax loginc years

------------------------------------------------------------------------------
             |            Delta-method
             |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     logptax |   .0426078   .0636357     0.67   0.503    -.0821158    .1673314
      loginc |  -.0081767   .0477444    -0.17   0.864    -.1017541    .0854006
       years |  -.0003302    .002303    -0.14   0.886     -.004844    .0041836
------------------------------------------------------------------------------

. margins,predict(p11) dydx(*)

Average marginal effects                          Number of obs   =         95
Model VCE    : OIM

Expression   : Pr(private=1,vote=1), predict(p11)
dy/dx w.r.t. : logptax loginc years

------------------------------------------------------------------------------
             |            Delta-method
             |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     logptax |  -.0617546   .0669554    -0.92   0.356    -.1929848    .0694757
      loginc |    .075687   .0570423     1.33   0.185    -.0361138    .1874878
       years |  -.0018032   .0025059    -0.72   0.472    -.0067147    .0031083
------------------------------------------------------------------------------

没有问题 啊

蓝色 发表于 2013-1-25 13:57
没有问题 啊

感谢版主，我终于发现我的问题了，我的两个方程biprobit (y1=x1+x2+x3+y2) (y2=z1+z2+x1+x2+x3)形式和版主的例子不一样，后面加了force，勉强能出结果了，但是还有个问题不太明白，我要列表报告方程1的边际效应，是用predict（11）的结果还是predict（10）？同理，报告方程2，是用predict（01）还是（00）还是啥东西呢？没有搞明白，还请版主大人指点迷津…

fuzaode 发表于 2013-1-25 14:47
感谢版主，我终于发现我的问题了，我的两个方程biprobit (y1=x1+x2+x3+y2) (y2=z1+z2+x1+x2+x3)形式和版主 ...

兄台搞明白了没有啊，我也在找怎么求边际效应啊，到底用哪一个？

的确不大一样，同问

你好，我看你很久之前问过有关biprobit模型边际效应的问题，请问能给我讲一下吗，谢谢

蓝色 发表于 2013-1-25 13:56
. webuse school,clear

.

我也想问我该用哪一个表示呢，感谢