互助問答第68期:分組檢驗和邊際效應問題、ivprobit交乘項設計
今日問題1
(1)基于Probit模型進行分組回歸,并檢驗兩組回歸變量network對Y的影響是否有顯著差異,利用的是Stata的suest命令。結(jié)果顯示變量network系數(shù)有顯著性差異,其中鄉(xiāng)村組的系數(shù)是2.12,城市組的系數(shù)是0.34。請問能否直接得出結(jié)論:鄉(xiāng)村組的network對Y的影響更大?
回歸結(jié)果如下圖所顯示:兩組回歸里network的系數(shù)均十分顯著,且在group=鄉(xiāng)村時的network系數(shù)較大為2.12,suest檢驗也表明兩組回歸系數(shù)有顯著差異。



(2)Probit模型回歸分析時,系數(shù)均顯著,但是轉(zhuǎn)換成邊際效應后就不顯著了,這種情況是什么原因?例如下圖是對變量networkaa求邊際影響后的結(jié)果,可以看出是不顯著的。但是如果僅僅是看Probit模型系數(shù)而不是邊際影響的話,這一變量的系數(shù)是顯著的。

(1)在分組回歸中,其實每個變量都有各自的系數(shù),比如在OLS回歸中可以根據(jù)系數(shù)影響大?。ㄈ粝禂?shù)表示的是邊際效應)。那為什么又需要進行假設檢驗?這里可以這樣想,這個結(jié)果僅僅是根據(jù)一組樣本做出來的,是否會因為隨機誤差而引起的這個差異呢?所以不能僅根據(jù)這一組樣本數(shù)據(jù)就得出結(jié)果,需要進行更為嚴謹?shù)臋z驗,即這里的假設檢驗。對于你提的問題,如果你檢驗出來兩組是存在顯著差異的,我覺得是可以得到那樣的結(jié)論。很多時候,也會把原假設寫成大于或小于的形式。
另外,建議你還是放一個全樣本的回歸,加入城市虛擬變量,以及城市虛擬變量與network的交互作用來進行檢驗,這樣更能識別效果。
(2)Probit模型的系數(shù)顯著性與邊際效應的顯著性不是等價的。不知道你算邊際效應的時候是怎么算的,是不是at?mean,這些都會影響結(jié)果。你把邊際效應的公式以及方差寫下來,就知道不一定具有相同的顯著性。你在at?mean,?at?median,25百分位數(shù),75百分位數(shù)的各種位置上,變動一單位的效果其實不同,兩者不是等價的,只能說明在均值(各種分位點),是否具有邊際顯著性。
關于回歸系數(shù)和邊際效應的問題,可以參考這個帖子:
https://www.statalist.org/forums/forum/general-stata-discussion/general/1329201-marginal-effects-significance-vs-original-model-effects-significance
今日問題2
在運用ivprobit模型解決內(nèi)生性時,變量中存在解釋變量與變量A的交互項,請問運用兩步法進行工具變量的命令中此交互項是否需要改成工具變量與變量A的交互,還是無需重新定義?勞您指教,謝謝!
即:did=?解釋變量*A
ivprobit?被解釋變量 控制變量 交互項 (解釋變量 =工具變量),first twostep
此交互項是did=?解釋變量*A?還是did=工具變量*A?
今日解答2
首先,ivprobit是非線性模型,非線性模型加交互項不是隨便加的。其次,如果解釋變量是內(nèi)生變量,那么也應該對“解釋變量*A”尋找工具變量。因為corr(解釋變量,e)不等于0,那corr(解釋變量*A,e)也應該不等于0。
學術指導:張曉峒老師
本期解答人:曹暉老師?林煜恩老師?游萬海老師
編輯:統(tǒng)計小妹
統(tǒng)籌:易仰楠?李丹丹
技術:知我者?趙雅軒?郭凱
往期回顧
互助問答第67期:?中介效應問題
互助問答第66期:?回歸對數(shù)形式以及事件研究法的t值計算問題
互助問答第65期:?靜態(tài)面板模型可以用GMM估計嗎?
互助問答第64期:傾向得分匹配等問題
長按二維碼識別關注我們
如果您在計量學習和實證研究中遇到問題,請及時發(fā)到郵箱szlw58@126.com,專業(yè)委員會有30多名編輯都會看,您的問題會得到及時關注!請您將問題描述清楚,任何有助于把問題描述清楚的細節(jié)都能使我們更方便地回答您的問題,提問細則參見:實證研究互助平臺最新通知

如果您想成為問題解答者,在幫助他人過程中鞏固自己的知識,請發(fā)郵件至szlw58@126.com(優(yōu)先)或給本公眾號留言或加微信793481976給群主留言,我們誠摯歡迎熱心的學者和學生。具體招募信息請參見:實證研究互助平臺志愿者團隊招募公告
鮮活的事例更有助于提高您的研究水平,呆板的教科書讓人生厭。如果您喜歡,請?zhí)岢瞿膯栴},也請轉(zhuǎn)發(fā)推廣!
(歡迎轉(zhuǎn)發(fā),歡迎分享;轉(zhuǎn)載請注明出處,引用和合作請留言。本文作者擁有所有版權,原創(chuàng)文章最早發(fā)表于“論文導向計量實證社區(qū)”。任何侵權行為將面臨追責!)
