关于面板负二项回归的系数和边际效应的疑问

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

论文最近用到面板的负二项回归，但是在回归结果解释的时候，看到别的论文里，负二项回归结果的系数和边际相应（dy/dx）是不一样的，但是我做出来的回归结果，系数和边际相应基本相同，请问是什么原因？？还是负二项回归的系数本来就可以当做边际相应来读的么？

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：负二项回归 边际效应 是什么原因 回归结果 结果解释

我试验了一下横截面数据做负二项的时候，系数和边际效果是不一样的，但是面板数据做的时候，系数和边际效果就一样了。我可以理解成面板回归的时候，系数和边际效果本来就是一样的么

请问楼主解决这个问题了吗？最近也遇到这样的问题，希望楼主能帮忙解答一下，谢谢

同啊，伙伴们，你们解决这个问题了吗？

同问，有小伙伴解决这个问题了吗

yuanye20 发表于 2022-1-4 14:34
同问，有小伙伴解决这个问题了吗

同学，你解决这个问题了吗

同问，有没有大佬解答一下

有小伙伴解决这个问题了吗

在进行面板数据的负二项回归分析时，模型输出的参数估计（即系数）反映了自变量对因变量的平均效应。然而，在负二项回归中，这些系数通常是以自然对数的形式给出的，意味着它们是比例变化率而不是绝对的变化量。

边际效应（marginal effect），dy/dx，则是在特定点上自变量单位变化引起因变量的期望值的变化。在非线性模型如负二项回归中，边际效应对所有观测值可能都不相同，因为它依赖于其他自变量的具体取值。

在负二项回归中，边际效应通常需要通过计算获得，并且往往与直接从模型输出得到的系数不同。这是因为负二项回归是基于泊松分布进行扩展的，而泊松模型的线性假设不适用于负二项模型的实际数据结构和分布特性。因此，即使在观测值为平均值的情况下计算边际效应（也就是平均边际效应，AME），也往往与直接的系数估计不同。

如果你发现你的负二项回归中的系数与边际效应非常接近，这可能是因为：

1. **线性关系较强**：如果自变量和因变量之间的关系近似线性，则模型输出的系数和边际效应对所有观测值而言可能会比较相似。
2. **数据特征**：特定的数据结构或分布特性可能导致这种现象。例如，当其他控制变量对结果的影响较小时，边际效应可能与系数接近。
3. **模型假设**：在某些情况下，如果负二项回归中的异方差程度不高，或者因变量的平均值远大于零时，边际效应和系数之间的差异可能会减小。

然而，在解读结果时，最好还是通过计算边际效应来获得更准确的影响估计。这通常涉及到使用特定软件包或命令（如Stata中的`margins`命令）来估算在观测值均值或其他有意义点上的边际效应，并且考虑到负二项回归的非线性特性，这样做更为合适和准确。

最后需要注意的是，在解释负二项回归结果时，将系数直接解释为边际效应是不正确的做法。尽管某些情况下二者可能接近，但它们的概念基础不同，解读方法也应有所区别。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用