我有一个概率模型，我正在尝试计算和绘制连续变量对样本中所有观察结果的边际效应。
我正在使用Stata，我有五个自变量。我想为所有个体计算边际效应的变量需要9个可能的整数值（0到8），我把它视为连续的（不是因子变量）。对边际效应最常见的命令似乎是边缘：
margins, dydx(x) at(x=(0(1)8))
marginsplot
此命令不能执行我想要执行的操作。它似乎计算了x=0, x=1等所有个体的边际效应，然后对每个x值进行平均。我得到的输出报告了每个x值的边际效应和标准误差。
我想获得样本中每个人的x的边际效应。如果模型中的其他变量对这些观察值采用不同的值，则x=0应该具有不同边际效应的两个人。如何计算和绘制这些效果？
答案 0 :(得分：1)
您可以估算模型predict，再次使用replace和predict更改x。然后，您可以计算两个预测之间的差异，以获得边际效应。您可以将x更改为1或使用少量epsilon（这将近似计算边距计算得更好）。第一个版本显然会更大。
以下是使用汽车数据的示例：
set more off
sysuse auto, clear
keep foreign mpg rep78 make
clonevar orig_rep78 = rep78
probit foreign mpg rep78
margins, dydx(rep78)
predict phat, pr
replace rep78 = rep78 + 1
predict phat_plus_one, pr
gen double finite_diff = phat_plus_one - phat
replace rep78 = orig_rep78 + 0.01
predict phat_plus_eps, pr
gen double eps_diff = (phat_plus_eps - phat)/.01
drop rep78
rename orig_rep78 rep78
tw (scatter finite_diff mpg) (scatter eps_diff mpg)
sum *_diff
您可以看到eps版本更接近地匹配边距输出。您可能希望了解估算值对不同epsilon值的敏感程度。
我不知道你想到的是什么样的图形，所以我只是将MEs绘制成另一个回归量。您可以看到ME以mpg增加，这是有道理的，因为索引函数系数都是正数。 mpg低于30的低值是有道理的，因为预测的概率已接近1，所以额外的修复不能提高它。