Stata&x27；s带两组边距的estout

假设我有一个这样的模型：

webuse nlswork
poisson hours i.union##c.tenure, robust
margins union, dydx(tenure)
margins rb1.union, dydx(tenure)

我想用Ben Jann的-estout-将这两个AMEs叠加在AMEs的差异之上。不幸的是，您需要发布estout的边距结果，这会干扰第二个边距命令

这有什么办法吗

---

有一段时间我一直在网上交叉发布，但没有得到回复。

我从来没有使用过-estout-，但也许这会给你一个开始

 webuse nlswork
 poisson hours i.union##c.tenure, robust
 estimates store m0
 
 margins union, dydx(tenure) post
 estimates store m1

 estimates restore m0

 margins rb1.union, dydx(tenure) post
 estimates store m2

工作原理：

margins

需要访问原始命令的结果，本例中为

poisson

。由于

margins

本身不会留下估计结果，因此，如果您在不使用

post

的情况下运行

margins

，并且可以在一行中使用多个

margins

命令，则原始结果仍然可用。但是，如果将

post

选项添加到第一个

margins

命令，则新发布的结果将替换内存中的结果。在这种情况下，第二个

页边距
将抱怨

页边距不能用于其自己发布的结果

因此，解决方案是用原始估计结果显示第二个
边距
，这正是
估计恢复
的目的

更新
r（表）
包含
页边距的所有结果，并命名列。下面是Roberto的堆叠解决方案的一个版本，它利用了以下特性：

use nlswork, clear,
poisson hours i.union##c.tenure, robust

margins union, dydx(tenure)
matrix list r(table)
matrix m1 = r(table)
matrix  m11 = m1["b".."se", 1...]'
matrix m12 = m1["ll".."ul",1...]'
matrix first = m11,m12

margins rb1.union, dydx(tenure)
matrix m2 = r(table)
matrix m21 = m2["b".."se", 1...]'
matrix m22 = m2["ll".."ul",1...]'
matrix second = m21,m22
matrix rownames second = tenure:diff

matrix RESULTS = first \ second
estout matrix(RESULTS)

我从未使用过-estout-，但也许这会给你一个开始

 webuse nlswork
 poisson hours i.union##c.tenure, robust
 estimates store m0
 
 margins union, dydx(tenure) post
 estimates store m1

 estimates restore m0

 margins rb1.union, dydx(tenure) post
 estimates store m2

工作原理：
margins
需要访问原始命令的结果，本例中为
poisson
。由于
margins
本身不会留下估计结果，因此，如果您在不使用
post
的情况下运行
margins
，并且可以在一行中使用多个
margins
命令，则原始结果仍然可用。但是，如果将
post
选项添加到第一个
margins
命令，则新发布的结果将替换内存中的结果。在这种情况下，第二个
页边距
将抱怨

页边距不能用于其自己发布的结果

因此，解决方案是用原始估计结果显示第二个
边距
，这正是
估计恢复
的目的

更新
r（表）
包含
页边距的所有结果，并命名列。下面是Roberto的堆叠解决方案的一个版本，它利用了以下特性：

use nlswork, clear,
poisson hours i.union##c.tenure, robust

margins union, dydx(tenure)
matrix list r(table)
matrix m1 = r(table)
matrix  m11 = m1["b".."se", 1...]'
matrix m12 = m1["ll".."ul",1...]'
matrix first = m11,m12

margins rb1.union, dydx(tenure)
matrix m2 = r(table)
matrix m21 = m2["b".."se", 1...]'
matrix m22 = m2["ll".."ul",1...]'
matrix second = m21,m22
matrix rownames second = tenure:diff

matrix RESULTS = first \ second
estout matrix(RESULTS)

estout
采用矩阵，因此您可以尝试：

webuse nlswork, clear

poisson hours i.union##c.tenure, robust
margins union, dydx(tenure)

matrix first = r(b)
matrix list first

margins rb1.union, dydx(tenure)

matrix second = r(b)
matrix list second

*-----

matrix b = first[1,1] ,  first[1,2] \ second[1,1] ,  .

estout matrix(b)

当然，你需要改进结果

更新
有一个例子，Ben Jann（
estout
的作者）澄清说，单独使用
estout
不可能将多个存储结果堆叠到一列中。他的解决方案包括一个
程序
，该程序将处理矩阵和列/行名称的结果合并在一起

对于您提供的示例，类似于以下内容的内容适用：

webuse nlswork, clear

poisson hours i.union##c.tenure, robust

// first margin
margins union, dydx(tenure)
matrix first = r(b)

// second margin
margins rb1.union, dydx(tenure)
matrix second = r(b)
matrix rownames second = tenure:diff

// put together
matrix c = first' \ second

estout matrix(c)

（线程有点旧，因此我不确定当前是否已更新
estout
以执行此操作。）
estout
获取矩阵，因此您可以尝试：

webuse nlswork, clear

poisson hours i.union##c.tenure, robust
margins union, dydx(tenure)

matrix first = r(b)
matrix list first

margins rb1.union, dydx(tenure)

matrix second = r(b)
matrix list second

*-----

matrix b = first[1,1] ,  first[1,2] \ second[1,1] ,  .

estout matrix(b)

当然，你需要改进结果

更新
有一个例子，Ben Jann（
estout
的作者）澄清说，单独使用
estout
不可能将多个存储结果堆叠到一列中。他的解决方案包括一个
程序
，该程序将处理矩阵和列/行名称的结果合并在一起

对于您提供的示例，类似于以下内容的内容适用：

webuse nlswork, clear

poisson hours i.union##c.tenure, robust

// first margin
margins union, dydx(tenure)
matrix first = r(b)

// second margin
margins rb1.union, dydx(tenure)
matrix second = r(b)
matrix rownames second = tenure:diff

// put together
matrix c = first' \ second

estout matrix(c)

（线程有点旧，所以我不确定当前是否更新了
estout
来执行此操作。）
这似乎是一个很好的解决方案。我想在一列中的第二列之上堆叠第一个线程。有什么方法可以做到这一点吗？它们可以堆叠起来，再加上一些额外的工作。我提供了一个更新我的答案。这似乎是一个很好的解决方案。我想在一列中的第二列的顶部堆叠第一个。有什么方法可以做到这一点吗？它们可以堆叠起来，再加上一些额外的工作。我更新了我的答案。非常好，罗伯托！我在更新我自己的答案时“润色”了这个解决方案。我从
r（表）
中提取，而不是像本那样从
e（b）
和
e（V）
中提取；这不仅得到了更多的统计数据，而且在某种程度上简化了名字问题。非常好，罗伯托！我在更新我自己的答案时“润色”了这个解决方案。我从
r（表）
中提取，而不是像本那样从
e（b）
和
e（V）
中提取；这不仅获得了更多的统计数据，而且在某种程度上简化了名称问题。