ivprobit两步法如何计算边际效应和画图

相似文件 换一批

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

我想请问现在用ivprobit loansuccess (localidentity localidentity2=altitude2 gdp2) loanrate2 loanamount2 loanduration age married jobincome jobtime edudegree houseloan carloan credit num_cif,twostep做回归,localidentity2是 localidentity的平方，想得出loansuccess关于localidentity的边际效应，我用 margins，dydx(x) predict(pr) 显示错误predict(pr)不能用于两步法，而直接用 margins, dydx(*) atmeans的话与ivprobit的结果相同，我看人大经济论坛上有网友指出好像说两步法不支持边际效应的计算？

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：ivprobit两步法 边际效应

我用margins, dydx(localidentity) at(localidentity= (10(1)16))的话，至都是一样的，是20.099。。。

1、能不能，要看软件的手册的说明。也需要先从理论上搞清楚到底能不能

2、twostep不能就用ml估计

3、stata自带例子，是不一样的

1. . webuse laborsup,clear
   
2. 
   
3. . ivprobit fem_work fem_educ kids (other_inc = male_educ)
   
4. 
   
5. Fitting exogenous probit model
   
6. 
   
7. Iteration 0:   log likelihood = -344.63508  
   
8. Iteration 1:   log likelihood = -252.10819  
   
9. Iteration 2:   log likelihood = -252.04529  
   
10. Iteration 3:   log likelihood = -252.04529  
    
11. 
    
12. Fitting full model
    
13. 
    
14. Iteration 0:   log likelihood = -2368.2142  
    
15. Iteration 1:   log likelihood = -2368.2062  
    
16. Iteration 2:   log likelihood = -2368.2062  
    
17. 
    
18. Probit model with endogenous regressors         Number of obs     =        500
    
19.                                                 Wald chi2(3)      =     163.88
    
20. Log likelihood = -2368.2062                     Prob > chi2       =     0.0000
    
21. 
    
22. ----------------------------------------------------------------------------------------------
    
23.                              |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
    
24. -----------------------------+----------------------------------------------------------------
    
25.                    other_inc |  -.0542756   .0060854    -8.92   0.000    -.0662028   -.0423485
    
26.                     fem_educ |    .211111   .0268648     7.86   0.000     .1584569    .2637651
    
27.                         kids |  -.1820929   .0478267    -3.81   0.000    -.2758315   -.0883542
    
28.                        _cons |   .3672086   .4480724     0.82   0.412    -.5109971    1.245414
    
29. -----------------------------+----------------------------------------------------------------
    
30. corr(e.other_inc,e.fem_work)|   .3720375   .1300518                      .0946562    .5958136
    
31.               sd(e.other_inc)|   16.66621   .5270318                      15.66461    17.73186
    
32. ----------------------------------------------------------------------------------------------
    
33. Instrumented:  other_inc
    
34. Instruments:   fem_educ kids male_educ
    
35. ----------------------------------------------------------------------------------------------
    
36. Wald test of exogeneity (corr = 0): chi2(1) = 6.70        Prob > chi2 = 0.0096
    
37. 
    
38. . margins, dydx(fem_educ) predict(pr) at(kids=(0 1 2))
    
39. 
    
40. Average marginal effects                        Number of obs     =        500
    
41. Model VCE    : OIM
    
42. 
    
43. Expression   : Probability of positive outcome, predict(pr)
    
44. dy/dx w.r.t. : fem_educ
    
45. 
    
46. 1._at        : kids            =           0
    
47. 
    
48. 2._at        : kids            =           1
    
49. 
    
50. 3._at        : kids            =           2
    
51. 
    
52. ------------------------------------------------------------------------------
    
53.              |            Delta-method
    
54.              |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
    
55. -------------+----------------------------------------------------------------
    
56. fem_educ     |
    
57.          _at |
    
58.           1  |   .0629583   .0070594     8.92   0.000     .0491221    .0767946
    
59.           2  |   .0643281   .0073273     8.78   0.000     .0499669    .0786893
    
60.           3  |   .0640891   .0073383     8.73   0.000     .0497062    .0784719
    
61. ------------------------------------------------------------------------------

复制代码

蓝色 发表于 2018-11-10 22:30
1、能不能，要看软件的手册的说明。也需要先从理论上搞清楚到底能不能

2、twostep不能就用ml估计

版主你好，我也看了手册，margins不能用于两步法，那我想知道ivprobit两步法的边际效应，该怎么求呢？直接手工求导吗？

蓝色 发表于 2018-11-10 22:30
1、能不能，要看软件的手册的说明。也需要先从理论上搞清楚到底能不能

2、twostep不能就用ml估计

版主你好，我也看了手册，margins不能用于两步法，那我想知道ivprobit两步法的边际效应，该怎么求呢？直接手工求导吗？

我不是版主了

两步法，不是手动不手动的问题，是理论上应该是什么。
如果能简单的手动，stata早就把命令写好了。

况且，没有必要两步法阿，ml就可以

楼主的问题比想像的可能要更复杂一点，因为他要画 localidentity 之边际效应图，而其一方面为内生，更麻烦的是他又包括平方项 localidentity2。

蓝色 发表于 2018-11-11 09:48
我不是版主了

两步法，不是手动不手动的问题，是理论上应该是什么。

因为我有两个内生变量，用ml的话结果无法收敛。。。不得以用两步法的

黃河泉 发表于 2018-11-11 10:07
楼主的问题比想像的可能要更复杂一点，因为他要画 localidentity 之边际效应图，而其一方面为内生，更麻烦的 ...

老师，如果我不画图了，只求ivprobit的边际效应，该如何求？我看连玉君老师有篇文章里有关IV Ordered probit求边际效应，也是用的两步法，目前我正在参考这篇文章。

黃河泉 发表于 2018-11-11 10:07
楼主的问题比想像的可能要更复杂一点，因为他要画 localidentity 之边际效应图，而其一方面为内生，更麻烦的 ...

老师，如果我不画图了，只求ivprobit的边际效应，该如何求？我看连玉君老师有篇文章里有关IV Ordered probit求边际效应，也是用的两步法，目前我正在参考这篇文章。