我在Stata中运行多级有序逻辑回归，并进行跨层次交互。简化模型的代码如下所示;
meologit dv i.iv1##c.iv2 iv3 || country:, cov (unstructured) or difficult
其中dv是和4个类别的序数变量，iv1和iv3是1级变量，iv2是2级变量。
然后我用命令计算dv（结果4）的最高类别的预测概率
margins iv1, at(iv2 = (0(0.1)1)) predict(mu fixedonly outcome(4)) post
在这种情况下，level-2变量iv2从0到1运行。为了摆脱小数点，我通过将变量乘以10000来修改变量。我运行完全相同的模型使用新的修改变量。因此，
meologit dv i.iv1##c.newiv2 iv3 || country:, cov (unstructured) or difficult
margins iv1, at(newiv2 = (20(1500)7520)) predict(mu fixedonly outcome(4)) post
通过这样做，我获得了与模型本身和预测概率两者截然不同的结果。关于预测概率，在第一种情况下，随着iv2从0移动到1，它们都在减少。在第二种情况下，它们实际上增加了4类分类变量iv1中的3类。这怎么可能？它是否指向我的数据有问题（也许我将变量转换为错误）？或者它与iv2包含小数点而newiv2不包含小数点这一事实有什么关系？但是，为什么模型的解释和预测的概率只会通过乘以2级变量而发生如此显着的变化呢？