楼主: 追风人1993
14370 15

[回归分析求助] 边际效应中margins命令的疑惑 [推广有奖]

  • 0关注
  • 0粉丝

已卖：10份资源

本科生

13%

还不是VIP/贵宾

-

0%
威望
0 级
论坛币
369 个
通用积分
1.0004
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
4907 点
帖子
33
精华
0
在线时间
116 小时
注册时间
2016-11-5
最后登录
2022-1-18
楼主
追风人1993 发表于 2018-10-31 16:50:16 |AI写论文

+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
最近在做一些产业相关指标的测算，面板模型，然后是超越对数生产函数， Q3D(RP_D[7CS6Z59EO]ASQR.png 这是函数模型，想求各个要素的边际影响时候，用的命令margins, dydx(*) at(t=(1(1)12)),然后显示的各个要素边际效应每一年都相同，按道理求导后肯定会受时间的影响的。大神能解释下不，还有不太明白单独的margins，运行后显示的是什么，看了HELP没看懂
二维码

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
关键词：超越对数生产函数 对数生产函数 函数模型 超越对数 边际影响

相关帖子

沙发
铁锷未残 学生认证  发表于 2018-10-31 23:19:33
求的是平均的边际效应。
藤椅
追风人1993 发表于 2018-11-1 11:16:15
铁锷未残 发表于 2018-10-31 23:19
求的是平均的边际效应。
那请问如果我想求各个要素不同时间年份下的边际效应命令应该怎么写，看HELP被绕晕了，能给点建议或者提示的话非常感谢你，被卡在这好久了
板凳
铁锷未残 学生认证  发表于 2018-11-1 15:02:15
追风人1993 发表于 2018-11-1 11:16
那请问如果我想求各个要素不同时间年份下的边际效应命令应该怎么写，看HELP被绕晕了，能给点建议或者提示 ...
提供测试数据（csv或dta格式），并且提供代码（可复制）
报纸
追风人1993 发表于 2018-11-5 13:30:40
铁锷未残 发表于 2018-11-1 15:02
提供测试数据（csv或dta格式），并且提供代码（可复制）
你好方便加个Q联系吗
地板
追风人1993 发表于 2018-11-6 15:23:00
铁锷未残 发表于 2018-11-1 15:02
提供测试数据（csv或dta格式），并且提供代码（可复制）
  1. xtfrontier lny lnk lnl lne tlnk tlnl tlne lnkl lnke lnle t t2 ,tvd nolog
  2. margins ,dydx(*) at(t=(1(1)12))
复制代码
你好，数据和代码已上传，麻烦看一下和指导下，目的是相求出每年几个要素边际影的值，分析变动

3.dta
下载链接: https://bbs.pinggu.org/a-2624120.html

23.93 KB

需要: 1 个论坛币  [购买]

7楼
蓝色 发表于 2018-11-7 08:19:44
追风人1993 发表于 2018-11-6 15:23
你好，数据和代码已上传，麻烦看一下和指导下，目的是相求出每年几个要素边际影的值，分析变动
  1. xtfrontier lny   lnk  lnl  lne                   ///
  2.            c.t#c.lnk   c.t#c.lnl   c.t#c.lne     ///
  3.                    c.lnk#c.lnl c.lnk#c.lne c.lnl#c.lne   ///
  4.                    t c.t#c.t ,tvd nolog
  5. margins ,dydx(*) at(t=(1(1)12))
复制代码



  1. . xtfrontier lny   lnk  lnl  lne                   ///
  2. >            c.t#c.lnk   c.t#c.lnl   c.t#c.lne     ///
  3. >                    c.lnk#c.lnl c.lnk#c.lne c.lnl#c.lne   ///
  4. >                    t c.t#c.t ,tvd nolog

  6. Time-varying decay inefficiency model           Number of obs     =         84
  7. Group variable: industry                        Number of groups  =          7

  9. Time variable: t                                Obs per group:
  10.                                                               min =         12
  11.                                                               avg =         12
  12.                                                               max =         12

  14.                                                 Wald chi2(11)     =    3617.32
  15. Log likelihood  =    115.394                    Prob > chi2       =     0.0000

  17. ------------------------------------------------------------------------------
  18.          lny |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
  19. -------------+----------------------------------------------------------------
  20.          lnk |   2.409305   .9599897     2.51   0.012       .52776     4.29085
  21.          lnl |   1.868778   1.073311     1.74   0.082    -.2348728    3.972428
  22.          lne |  -1.943156    .520427    -3.73   0.000    -2.963175   -.9231381
  23.              |
  24.    c.t#c.lnk |   .0493314   .0175854     2.81   0.005     .0148646    .0837983
  25.              |
  26.    c.t#c.lnl |   .0646176   .0219306     2.95   0.003     .0216345    .1076007
  27.              |
  28.    c.t#c.lne |  -.0624639    .018646    -3.35   0.001    -.0990095   -.0259183
  29.              |
  30. c.lnk#c.lnl |  -.5039055   .1046799    -4.81   0.000    -.7090743   -.2987367
  31.              |
  32. c.lnk#c.lne |   .0992495    .112663     0.88   0.378    -.1215659    .3200648
  33.              |
  34. c.lnl#c.lne |   .2980819   .1650187     1.81   0.071    -.0253488    .6215126
  35.              |
  36.            t |  -.2321353   .1217282    -1.91   0.057    -.4707182    .0064477
  37.              |
  38.      c.t#c.t |  -.0065086   .0031877    -2.04   0.041    -.0127563   -.0002609
  39.              |
  40.        _cons |   -1.13266   2.018992    -0.56   0.575    -5.089812    2.824493
  41. -------------+----------------------------------------------------------------
  42.          /mu |    .160524    .077885     2.06   0.039     .0078722    .3131757
  43.         /eta |    .126524   .0275347     4.60   0.000      .072557    .1804911
  44.    /lnsigma2 |    -4.3718   .8475966    -5.16   0.000    -6.033058   -2.710541
  45.    /lgtgamma |   1.454642   1.078715     1.35   0.177    -.6596005    3.568884
  46. -------------+----------------------------------------------------------------
  47.       sigma2 |   .0126285   .0107039                      .0023981    .0665008
  48.        gamma |   .8107118   .1655376                      .3408294    .9725855
  49.     sigma_u2 |   .0102381   .0107388                     -.0108095    .0312857
  50.     sigma_v2 |   .0023904   .0003901                      .0016259    .0031549
  51. ------------------------------------------------------------------------------

  53. . margins ,dydx(*) at(t=(1(1)12))

  55. Average marginal effects                        Number of obs     =         84
  56. Model VCE    : OIM

  58. Expression   : Linear prediction, predict()
  59. dy/dx w.r.t. : lnk lnl lne t

  61. 1._at        : t               =           1

  63. 2._at        : t               =           2

  65. 3._at        : t               =           3

  67. 4._at        : t               =           4

  69. 5._at        : t               =           5

  71. 6._at        : t               =           6

  73. 7._at        : t               =           7

  75. 8._at        : t               =           8

  77. 9._at        : t               =           9

  79. 10._at       : t               =          10

  81. 11._at       : t               =          11

  83. 12._at       : t               =          12

  85. ------------------------------------------------------------------------------
  86.              |            Delta-method
  87.              |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
  88. -------------+----------------------------------------------------------------
  89. lnk          |
  90.          _at |
  91.           1  |    .262051   .1177554     2.23   0.026     .0312547    .4928474
  92.           2  |   .3113824   .1041102     2.99   0.003     .1073301    .5154347
  93.           3  |   .3607139   .0918152     3.93   0.000     .1807593    .5406684
  94.           4  |   .4100453   .0814839     5.03   0.000     .2503397    .5697509
  95.           5  |   .4593767    .073944     6.21   0.000      .314449    .6043044
  96.           6  |   .5087081   .0701021     7.26   0.000     .3713105    .6461058
  97.           7  |   .5580396   .0705648     7.91   0.000     .4197352     .696344
  98.           8  |    .607371   .0752527     8.07   0.000     .4598785    .7548635
  99.           9  |   .6567024   .0834568     7.87   0.000     .4931301    .8202747
  100.          10  |   .7060338   .0942635     7.49   0.000     .5212808    .8907868
  101.          11  |   .7553653   .1068862     7.07   0.000     .5458721    .9648584
  102.          12  |   .8046967   .1207569     6.66   0.000     .5680176    1.041376
  103. -------------+----------------------------------------------------------------
  104. lnl          |
  105.          _at |
  106.           1  |  -.0292998   .2054717    -0.14   0.887    -.4320171    .3734174
  107.           2  |   .0353178   .1913279     0.18   0.854     -.339678    .4103136
  108.           3  |   .0999354   .1787624     0.56   0.576    -.2504324    .4503032
  109.           4  |    .164553   .1681295     0.98   0.328    -.1649747    .4940807
  110.           5  |   .2291706   .1598153     1.43   0.152    -.0840617    .5424029
  111.           6  |   .2937882   .1541955     1.91   0.057    -.0084295    .5960059
  112.           7  |   .3584058   .1515701     2.36   0.018      .061334    .6554777
  113.           8  |   .4230234   .1520941     2.78   0.005     .1249245    .7211224
  114.           9  |   .4876411   .1557358     3.13   0.002     .1824045    .7928776
  115.          10  |   .5522587   .1622854     3.40   0.001     .2341851    .8703322
  116.          11  |   .6168763     .17141     3.60   0.000     .2809189    .9528336
  117.          12  |   .6814939   .1827241     3.73   0.000     .3233612    1.039627
  118. -------------+----------------------------------------------------------------
  119. lne          |
  120.          _at |
  121.           1  |   .5511385   .1568159     3.51   0.000     .2437851     .858492
  122.           2  |   .4886746    .140619     3.48   0.001     .2130665    .7642828
  123.           3  |   .4262107   .1251061     3.41   0.001     .1810072    .6714142
  124.           4  |   .3637468   .1105655     3.29   0.001     .1470424    .5804511
  125.           5  |   .3012829   .0974334     3.09   0.002      .110317    .4922488
  126.           6  |    .238819   .0863548     2.77   0.006     .0695667    .4080712
  127.           7  |    .176355   .0782073     2.25   0.024     .0230715    .3296386
  128.           8  |   .1138911    .073966     1.54   0.124    -.0310796    .2588619
  129.           9  |   .0514272   .0743028     0.69   0.489    -.0942037    .1970581
  130.          10  |  -.0110367   .0791593    -0.14   0.889    -.1661861    .1441127
  131.          11  |  -.0735006   .0877886    -0.84   0.402    -.2455631    .0985618
  132.          12  |  -.1359645    .099211    -1.37   0.171    -.3304145    .0584854
  133. -------------+----------------------------------------------------------------
  134. t            |
  135.          _at |
  136.           1  |   .0762278   .0391212     1.95   0.051    -.0004484    .1529039
  137.           2  |   .0632105   .0329124     1.92   0.055    -.0012966    .1277176
  138.           3  |   .0501932   .0267819     1.87   0.061    -.0022985    .1026848
  139.           4  |   .0371759   .0207993     1.79   0.074    -.0035899    .0779417
  140.           5  |   .0241586   .0151406     1.60   0.111    -.0055163    .0538336
  141.           6  |   .0111413   .0103515     1.08   0.282    -.0091472    .0314298
  142.           7  |   -.001876   .0081461    -0.23   0.818     -.017842      .01409
  143.           8  |  -.0148932    .010337    -1.44   0.150    -.0351534    .0053669
  144.           9  |  -.0279105   .0151208    -1.85   0.065    -.0575468    .0017257
  145.          10  |  -.0409278   .0207777    -1.97   0.049    -.0816514   -.0002042
  146.          11  |  -.0539451   .0267596    -2.02   0.044     -.106393   -.0014972
  147.          12  |  -.0669624   .0328897    -2.04   0.042     -.131425   -.0024998
  148. ------------------------------------------------------------------------------
复制代码


Stata常见问题解答https://bbs.pinggu.org/thread-272681-1-1.html

8楼
追风人1993 发表于 2018-11-7 11:26:35
蓝色 发表于 2018-11-7 08:19
太谢谢您了，被卡在这太久了，代码大致也能看懂，这可能是我最近两个月最开心的事了。再次谢谢您
9楼
亓爿 发表于 2019-2-24 23:37:21 来自手机
追风人1993 发表于 2018-10-31 16:50
最近在做一些产业相关指标的测算，面板模型，然后是超越对数生产函数，这是函数模型，想求各个要素的边际影 ...
请问取了对数的边际效应怎么解释？直接是说lnx对lny的边际效应吗，怎么解释x对y的边际效应？
10楼
追风人1993 发表于 2019-3-3 16:01:22
亓爿 发表于 2019-2-24 23:37
请问取了对数的边际效应怎么解释？直接是说lnx对lny的边际效应吗，怎么解释x对y的边际效应？
额，不好意思这个我还真仔细没研究过，因为我是为了求求出弹性后去求技术的偏向，对这方面解释没有太在意
返回列表
12下一页
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群

京ICP备16021002号-2 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问：王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2026-1-3 17:22