Stata中的交互语法
我的问题涉及在Stata中正确使用Stata中的交互语法,stata,Stata,我的问题涉及在Stata中正确使用#与#来交互分类变量和因变量。这是我想到的一个例子 为了了解x对y的边际效应,我对两类受试者(M,F)进行了三种治疗(A,B,C)的实验。为了理解合并边际效应(假设我满足所有OLS标准),我可以运行reg y x。然而,我还想了解每个“环境”中每个“物种”的边际效应,或者x与处理和类型的相互作用 首先,假设x是连续的,这是估计合并边际效应和治疗类型边际效应的正确语法 reg y x i.treatment#i.type#c.x reg y i.treatmen
#
与#
来交互分类变量和因变量。这是我想到的一个例子
为了了解x对y的边际效应,我对两类受试者(M,F)进行了三种治疗(A,B,C)的实验。为了理解合并边际效应(假设我满足所有OLS标准),我可以运行reg y x
。然而,我还想了解每个“环境”中每个“物种”的边际效应,或者x与处理和类型的相互作用
首先,假设x是连续的,这是估计合并边际效应和治疗类型边际效应的正确语法
reg y x i.treatment#i.type#c.x
reg y i.treatment#i.type#c.x, noconstant
或
或者两者都没有
第二,估算治疗类型边际效应的正确语法是否正确
reg y x i.treatment#i.type#c.x
reg y i.treatment#i.type#c.x, noconstant
其中常数是下降的?如果保持该常量,它是否表示汇集的响应
抱歉,如果这是一个基本的问题,但在阅读了几天之后,我仍然难以准确地理解
和
之间的区别。非常感谢
注:建议的数据显然是一个面板,因此xtreg
命令更合适。为了简单起见,我只是假装数据更简单
编辑:下面是一个内置Stata数据集的示例
. reg price c.mpg##i.foreign
Source | SS df MS Number of obs = 74
-------------+------------------------------ F( 3, 70) = 9.48
Model | 183435281 3 61145093.6 Prob > F = 0.0000
Residual | 451630115 70 6451858.79 R-squared = 0.2888
-------------+------------------------------ Adj R-squared = 0.2584
Total | 635065396 73 8699525.97 Root MSE = 2540.1
-------------------------------------------------------------------------------
price | Coef. Std. Err. t P>|t| [95% Conf. Interval]
--------------+----------------------------------------------------------------
mpg | -329.2551 74.98545 -4.39 0.000 -478.8088 -179.7013
1.foreign | -13.58741 2634.664 -0.01 0.996 -5268.258 5241.084
|
foreign#c.mpg |
1 | 78.88826 112.4812 0.70 0.485 -145.4485 303.225
|
_cons | 12600.54 1527.888 8.25 0.000 9553.261 15647.81
-------------------------------------------------------------------------------
mpg
和1.国外
分别捕获汽车每加仑英里数的边际效应,以及汽车是国外还是国内对价格的影响<代码>外来#c.mpg捕获假人为1(即车辆为外来)时,类别假人和连续x之间的交互作用?然后,是什么捕获了家用(假人为零)与mpg的交互作用 一,。
在以下内容中,您将包括x
的主要效果和三方交互
reg y x i.treatment#i.type#c.x
您忽略了主要影响,特别是治疗
和类型
以下
reg y i.treatment#i.type##c.x
扩展到
reg y i.treatment#i.type c.x i.treatment#i.type#c.x
其中包括x
的主要效果、双向交互和三向交互
环顾四周,寻找关于包含主要影响的交互作用的信息。比如说
2.
你说
我仍然难以准确地理解#和#之间的区别
这可以通过阅读帮助列表
和手册来澄清。在这个阶段,语法所暗示的似乎不是问题,而是如何指定模型,这将取决于理论所暗示的,以前做过的,等等
3.
从你的例子
reg price c.mpg##i.foreign
扩展到
reg price c.mpg i.foreign c.mpg#i.foreign
(mpg和国外的两个主要影响,以及它们之间的相互作用),你会问
foreign#c.mpg
捕获假人为1(即车辆为外国)时,类别假人和连续x之间的交互作用?然后是什么捕获了家用(虚拟为零)与mpg的交互作用
写出模型有帮助(同样有两个主要影响和相互作用):
这清楚地说明了mpg
超价的效果是如何受到国外
价值的影响的;以及mpg
的值如何影响foreign
对price
的影响。由于foreign
仅取0
和1
的值,因此mpg
对price
的影响更容易理解。只需替换掉foreign
in
- 329.2551 mpg + 78.88826 mpg foreign
当foreign==1
时,mpg
的效果为-250.36684
。当foreign==0
时,效果为-329.2551
国外
对价格
的影响同样计算:
- 13.58741 foreign + 78.88826 mpg foreign
但是现在替换掉mpg。因为它是连续的,所以您可能应该插入几个mpg
值,以便更好地了解其对价格的影响(请参见帮助页边距
)
(这都是假设相应的系数在统计上是显著的。)
我感觉你的问题在理解Stata语法和统计问题方面都有困难。第一个可以通过阅读Stata帮助资源来澄清。关于第二个问题,您的问题的措词方式使得Cross Validated的人将其视为编程问题而丢弃。Roberto与往常一样是正确的。对于交叉验证,这里有太多的Stata,而对于堆栈溢出,则有太多的统计信息。这并不是一个无法解决的难题,因为罗伯托已经发布了一些有帮助的材料,而斯塔利斯特是第三个选择。谢谢罗伯托。那么Statalist是解决这个问题的更好途径吗?或者是因为其他原因被否决了。我没有否决这个;那些投了否决票的人没有透露自己或解释。这是很常见的,因为有些人对下院选民的反应很烦躁。但否决权的标准是“没有显示任何研究成果”和“不清楚或没有用处”。我的印象是,缺乏一个基于非常具体的代码的非常具体的问题会让你失望,而且一个问题不太可能对其他人有多大好处,这在很多人的心目中是很重要的,当他们投票时;当我在其他问题上投了反对票时,我也是这样。