边际效应期权，边际收益与内部收益率答案

【问题标题】：marginal effects options, margins versus irr边际效应期权，边际收益与内部收益率
【发布时间】：2014-04-16 18:16:34
【问题描述】：

我正在估计泊松回归，并想估计我的系数的经济意义（边际效应）。

我有三个建议给我的方法：

边距，dydx(_all)
margins, dydx(_all) atmeans
泊松，irr

我想知道哪种方法最好用。

【问题讨论】：

这本质上是一个统计问题，而不是编程问题。即便如此，“最好”取决于你的研究目标。为什么是“经济”？泊松回归是一种统计方法。经济解释在经济学家之间。这里是题外话；更适合简历，但仍然是一个不恰当的问题。
这个问题似乎离题了，因为它是关于统计解释的，因此更适合交叉验证。

标签： stata margins poisson

【解决方案1】：

均值处的边际效应 (#2) 通常不是一个好主意，因为均值可能对应于一个不具代表性的、荒谬的值，尤其是当您的 X 包含分类变量时。你真的关心半个女性和 10% 怀孕的人的累加效应吗？可能不是。当计算成本很高时，此 ME 更常用。如果您想走这条路，可以使用at() 选项来选择更合适的值。

平均边际效应 (#1) 为您提供对预期计数的平均加法效应。

IRR 选项 (#3) 为您提供了均值的乘法效应。

以下是医生数据的简单示例：

. 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。对于非吸烟者，仅为 20.2。

内部收益率：

. 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。

现在我们计算加法效应：

. 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.

这表明吸烟者的死亡人数应该比不吸烟者多 105.8 倍。 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。你知道为什么吗？

【讨论】：