Question

我估计泊松回归并且想要估计我的系数的经济意义（边际效应）。

我向我建议了三种方法：

margin，dydx（_all）
margins，dydx（_all）atmeans
poisson，irr

我想知道哪种方法最好用。

Answer 1

均值（＃2）的边际效应通常是一个坏主意，因为均值可能对应于不具代表性的，无意义的值，特别是如果您的X包含分类变量。对于半女性和10％怀孕的人，你真的关心加成效应吗？可能不是。当计算费用昂贵时，这种ME更常用。如果您想要使用此路线，可以使用at()选项选择更合适的值。

平均边际效应（＃1）为您提供预期计数的平均添加效果。

IRR选项（＃3）为您提供平均值的乘法效应。

以下是医生数据的一个简单示例：

. use http://www.stata-press.com/data/r13/dollhill3, clear
(Doll and Hill (1966))

. bys smokes: sum deaths 

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
-> smokes = 0

    Variable |       Obs        Mean    Std. Dev.       Min        Max
-------------+--------------------------------------------------------
      deaths |         5        20.2    12.61745          2         31

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
-> smokes = 1

    Variable |       Obs        Mean    Std. Dev.       Min        Max
-------------+--------------------------------------------------------
      deaths |         5         126    70.52659         32        206

如您所见，吸烟者群体的平均死亡人数为126人。对于不吸烟者，其死亡人数仅为20.2。

IRR：

. poisson deaths i.smokes, irr

Iteration 0:   log likelihood =  -136.6749  
Iteration 1:   log likelihood = -136.56351  
Iteration 2:   log likelihood = -136.56346  
Iteration 3:   log likelihood = -136.56346  

Poisson regression                                Number of obs   =         10
                                                  LR chi2(1)      =     426.21
                                                  Prob > chi2     =     0.0000
Log likelihood = -136.56346                       Pseudo R2       =     0.6094

------------------------------------------------------------------------------
      deaths |        IRR   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    1.smokes |   6.237624     .66857    17.08   0.000     5.055737    7.695802
       _cons |       20.2   2.009975    30.21   0.000     16.62087    24.54986
------------------------------------------------------------------------------

吸烟者的死亡人数为6.237624 * 20.2 = 126。

现在我们计算了加性效应：

. margins, dydx(smokes)

Conditional marginal effects                      Number of obs   =         10
Model VCE    : OIM

Expression   : Predicted number of events, predict()
dy/dx w.r.t. : 1.smokes

------------------------------------------------------------------------------
             |            Delta-method
             |      dy/dx   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    1.smokes |      105.8   5.407402    19.57   0.000     95.20169    116.3983
------------------------------------------------------------------------------
Note: dy/dx for factor levels is the discrete change from the base level.

这表示吸烟者的死亡人数应该比不吸烟者多105.8人。 20.2 + 105.8 = 126。

在这个简单的模型中，margins, dydx(smokes) atmeans会给出相同的答案。你能明白为什么吗？

边际效应选择，边际与非线性

1 个答案: