xtologit回归求边际效应

***我用xtologit回归的时候，用 margins, dydx(**) predict (outcome(1))或者是mfx compute, predict(outcome(1))，都无法得出结果，只会返回r(198)，也不会返回具体的原因；
***但是用同一个数据，做ologit时，上面一模一样的指令能够得出结果。
***如果我要做xtologit回归求边际，应该怎么做呢？求助呀

***具体的结果见下图，图1为ologit回归，图2是对这个回归求边际，图3是xtologit回归，图4想求回归，就出错了

stata帮助的例子数据
没有问题阿

1. . webuse tvsfpors
   
2. 
   
3. . xtset school
   
4.        panel variable:  school (unbalanced)
   
5. 
   
6. .  xtologit thk prethk cc##tv
   
7. 
   
8. Fitting comparison model:
   
9. 
   
10. Iteration 0:   log likelihood =  -2212.775  
    
11. Iteration 1:   log likelihood =  -2125.509  
    
12. Iteration 2:   log likelihood = -2125.1034  
    
13. Iteration 3:   log likelihood = -2125.1032  
    
14. 
    
15. Refining starting values:
    
16. 
    
17. Grid node 0:   log likelihood = -2136.2426
    
18. 
    
19. Fitting full model:
    
20. 
    
21. Iteration 0:   log likelihood = -2136.2426  (not concave)
    
22. Iteration 1:   log likelihood = -2120.2577  
    
23. Iteration 2:   log likelihood = -2119.7574  
    
24. Iteration 3:   log likelihood = -2119.7428  
    
25. Iteration 4:   log likelihood = -2119.7428  
    
26. 
    
27. Random-effects ordered logistic regression      Number of obs     =      1,600
    
28. Group variable: school                          Number of groups  =         28
    
29. 
    
30. Random effects u_i ~ Gaussian                   Obs per group:
    
31.                                                               min =         18
    
32.                                                               avg =       57.1
    
33.                                                               max =        137
    
34. 
    
35. Integration method: mvaghermite                 Integration pts.  =         12
    
36. 
    
37.                                                 Wald chi2(4)      =     128.06
    
38. Log likelihood  = -2119.7428                    Prob > chi2       =     0.0000
    
39. 
    
40. ------------------------------------------------------------------------------
    
41.          thk |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
    
42. -------------+----------------------------------------------------------------
    
43.       prethk |   .4032892     .03886    10.38   0.000      .327125    .4794534
    
44.         1.cc |   .9237904    .204074     4.53   0.000     .5238127    1.323768
    
45.         1.tv |   .2749937   .1977424     1.39   0.164    -.1125744    .6625618
    
46.              |
    
47.        cc#tv |
    
48.         1 1  |  -.4659256   .2845963    -1.64   0.102    -1.023724    .0918728
    
49. -------------+----------------------------------------------------------------
    
50.        /cut1 |  -.0884493   .1641062                     -.4100916     .233193
    
51.        /cut2 |   1.153364    .165616                      .8287625    1.477965
    
52.        /cut3 |    2.33195   .1734199                      1.992053    2.671846
    
53. -------------+----------------------------------------------------------------
    
54.    /sigma2_u |   .0735112   .0383106                      .0264695    .2041551
    
55. ------------------------------------------------------------------------------
    
56. LR test vs. ologit model: chibar2(01) = 10.72         Prob >= chibar2 = 0.0005
    
57. 
    
58. . margins, dydx(*) predict(outcome(1))
    
59. 
    
60. Average marginal effects                        Number of obs     =      1,600
    
61. Model VCE    : OIM
    
62. 
    
63. Expression   : Pr(1.thk), predict(outcome(1))
    
64. dy/dx w.r.t. : prethk 1.cc 1.tv
    
65. 
    
66. ------------------------------------------------------------------------------
    
67.              |            Delta-method
    
68.              |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
    
69. -------------+----------------------------------------------------------------
    
70.       prethk |  -.0644851   .0064993    -9.92   0.000    -.0772236   -.0517467
    
71.         1.cc |  -.1097586   .0227242    -4.83   0.000    -.1542971     -.06522
    
72.         1.tv |  -.0145679   .0230157    -0.63   0.527    -.0596779    .0305421
    
73. ------------------------------------------------------------------------------
    
74. Note: dy/dx for factor levels is the discrete change from the base level.
    
75. 
    
76. . margins, dydx(*) predict(outcome(2))
    
77. 
    
78. Average marginal effects                        Number of obs     =      1,600
    
79. Model VCE    : OIM
    
80. 
    
81. Expression   : Pr(2.thk), predict(outcome(2))
    
82. dy/dx w.r.t. : prethk 1.cc 1.tv
    
83. 
    
84. ------------------------------------------------------------------------------
    
85.              |            Delta-method
    
86.              |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
    
87. -------------+----------------------------------------------------------------
    
88.       prethk |  -.0266132   .0032342    -8.23   0.000    -.0329523   -.0202742
    
89.         1.cc |  -.0482728   .0106721    -4.52   0.000    -.0691898   -.0273559
    
90.         1.tv |   .0015273   .0099061     0.15   0.877    -.0178884    .0209429
    
91. ------------------------------------------------------------------------------
    
92. Note: dy/dx for factor levels is the discrete change from the base level.
    
93. 
    
94. . margins, dydx(*) predict(outcome(3))
    
95. 
    
96. Average marginal effects                        Number of obs     =      1,600
    
97. Model VCE    : OIM
    
98. 
    
99. Expression   : Pr(3.thk), predict(outcome(3))
    
100. dy/dx w.r.t. : prethk 1.cc 1.tv
     
101. 
     
102. ------------------------------------------------------------------------------
     
103.              |            Delta-method
     
104.              |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
     
105. -------------+----------------------------------------------------------------
     
106.       prethk |   .0164846   .0029039     5.68   0.000      .010793    .0221762
     
107.         1.cc |   .0284101   .0073099     3.89   0.000     .0140829    .0427372
     
108.         1.tv |   .0086476    .007168     1.21   0.228    -.0054013    .0226965
     
109. ------------------------------------------------------------------------------
     
110. Note: dy/dx for factor levels is the discrete change from the base level.

复制代码

你是怎么知道命令是那样写的?

qiangli 发表于 2018-2-23 23:04
你是怎么知道命令是那样写的?

你是说回归的命令还是求边际效应的命令？

边际效应啊

qiangli 发表于 2018-2-23 23:23
边际效应啊

论坛上有关于ologit, oprobit求边际效应的帖子，你搜索“ologit, margin” 或者 “oprobit margin”应该就能搜到

也有的帖子介绍了xtlogit回归求边际的方法：margins, dydx(**) predict(pu0)

但我没有找到xtologit求边际的方法，但我觉得应该差不了太多吧……
对xtologit回归用“margins, dydx(**) predict(pu0)”也能出结果，但是不能求出在y=1,2,3,4,5的时候每一项边际效果，它只能给我一个结果，而且我也不知道这个结果是来干嘛的

蓝色 发表于 2018-2-23 22:21
stata帮助的例子数据
没有问题阿

我跑这个例子……也出现了一模一样的问题，就出现r(198)

蓝色 发表于 2018-2-23 22:21
stata帮助的例子数据
没有问题阿

难道是stata的版本问题？还是说要更新什么命令？

要死不脱气 发表于 2018-3-6 17:57
难道是stata的版本问题？还是说要更新什么命令？

先升级stata，然后在做

蓝色 发表于 2018-3-6 18:02
先升级stata，然后在做

已解决，谢谢啦~stata15可以