Stata 如何使用estadd通过保证金获得估算的p值？
这个问题与另一个问题有关，我在：Stata 如何使用estadd通过保证金获得估算的p值？,stata,Stata,这个问题与另一个问题有关，我在： 我正在Stata中运行多个逻辑模型，并希望使用边距存储模型和一些后估计的结果。使用adoestout有两种相对简单的可能性（请参阅）。然而，两者都缺少z统计数据或一些汇总统计数据。以下是一个例子： . webuse acmemanuf, clear . // estadd . eststo est1: qui logit acceptable i.temp y . qui estadd margins, dydx(*) . eststo est2: qui
我正在
Stata边距存储模型和一些后估计的结果。使用adoestout有两种相对简单的可能性（请参阅）。然而，两者都缺少z统计数据或一些汇总统计数据。以下是一个例子：
. webuse acmemanuf, clear
. // estadd
. eststo est1: qui logit acceptable i.temp y
. qui estadd margins, dydx(*)
. eststo est2: qui logit acceptable i.temp y i.pressure
. qui estadd margins, dydx(*)
. // margins, post
. qui logit acceptable i.temp y, nolog
. eststo est3: qui margins, dydx(*) post
. qui logit acceptable i.temp y i.pressure, nolog
. eststo est4: qui margins, dydx(*) post
. // Wrong t-statistics using "estadd"
. esttab est1 est2, cells("margins_b t") margin pr2 aic
----------------------------------------------------------------
(1) (2)
acceptable acceptable
margins_b t margins_b t
----------------------------------------------------------------
acceptable
1.temp 0 . 0 .
2.temp .122275 .8468373 .2366358 1.448193
3.temp .1028261 .6194538 .0930619 .6025044
y .0171374 2.752288 .0202188 2.993524
1.pressure 0 .
2.pressure -.2384807 -1.454117
----------------------------------------------------------------
N 49 49
pseudo R-sq 0.233 0.271
AIC 55.48 55.10
----------------------------------------------------------------
Marginal effects
. // Loosing summary statistics using "margins, post"
. esttab est3 est4, cells("b t") margin pr2 aic
----------------------------------------------------------------
(1) (2)
b t b t
----------------------------------------------------------------
1.temp 0 . 0 .
2.temp .122275 .8600932 .2366358 1.723335
3.temp .1028261 .6322357 .0930619 .6126009
y .0171374 4.103384 .0202188 5.118546
1.pressure 0 .
2.pressure -.2384807 -1.729937
----------------------------------------------------------------
N 49 49
pseudo R-sq
AIC . .
----------------------------------------------------------------
Marginal effects
我想有一个表格，显示上述示例中第一个表格的汇总统计数据和第二个表格的z统计数据
编辑
我写了一个小的本地程序来完成这项工作，它的结果可以被esttab
捕获。请注意，对于生成t统计信息而不是z统计信息的模型，必须稍微修改程序代码。如果有人能像中所述将程序集成到estadd
的子例程中，我渴望听到它，因为我只成功地添加了线性回归模型的结果。这是我的do文件：
webuse acmemanuf, clear
program define margzp
tempname rtab
tempname tmargins_z
tempname tmargins_p
mat `rtab' = r(table)
mat `tmargins_z' = `rtab'["z", 1..(colsof(`rtab')-1)]
mat `tmargins_p' = `rtab'["pvalue", 1..(colsof(`rtab')-1)]
estadd matrix margins_z = `tmargins_z'
estadd matrix margins_p = `tmargins_p'
end
eststo: logit acceptable i.temp y
estadd margins, dydx(*)
margzp *
eststo: logit acceptable i.temp y i.pressure
estadd margins, dydx(*)
margzp *
esttab, cells((margins_b(fmt(3) star pvalue(margins_p)) ///
margins_z)) pr2 aic bic star(+ 0.10 * 0.05 ** 0.01 *** 0.001) ///
postfoot(`"{hline @width}"' ///
`"Marginal effects, standard errors in parentheses"' `"@starlegend"') ///
其中给出了下表：
----------------------------------------------------------------------
(1) (2)
acceptable acceptable
margins_b margins_z margins_b margins_z
----------------------------------------------------------------------
acceptable
1.temp 0.000 . 0.000 .
2.temp 0.122 0.847 0.237 1.448
3.temp 0.103 0.619 0.093 0.603
y 0.017** 2.752 0.020** 2.994
1.pressure 0.000 .
2.pressure -0.238 -1.454
----------------------------------------------------------------------
N 49 49
pseudo R-sq 0.233 0.271
AIC 55.48 55.10
BIC 63.05 64.56
----------------------------------------------------------------------
Marginal effects, standard errors in parentheses
+ p<0.10 * p<0.05, ** p<0.01, *** p<0.001
----------------------------------------------------------------------
(1) (2)
可以接受
保证金保证金保证金保证金保证金保证金保证金保证金保证金保证金
----------------------------------------------------------------------
可接受
1.0.000。0.000 .
2.0.122 0.847 0.237 1.448
温度0.103 0.619 0.093 0.603
y 0.017**2.752 0.020**2.994
1.0.000的压力。
2.压力-0.238-1.454
----------------------------------------------------------------------
N 49 49
伪R-sq 0.233 0.271
AIC 55.48 55.10
BIC 63.05 64.56
----------------------------------------------------------------------
边缘效应，括号中的标准误差
+这里有一个例子。我不是百分之百确定我把你想要的东西都包括进去了。如果没有，请添加一个示例，说明您希望表格的外观：
. sysuse auto
(1978 Automobile Data)
. eststo, title(Index): logit foreign price mpg
Iteration 0: log likelihood = -45.03321
Iteration 1: log likelihood = -36.627434
Iteration 2: log likelihood = -36.462562
Iteration 3: log likelihood = -36.46219
Iteration 4: log likelihood = -36.462189
Logistic regression Number of obs = 74
LR chi2(2) = 17.14
Prob > chi2 = 0.0002
Log likelihood = -36.462189 Pseudo R2 = 0.1903
------------------------------------------------------------------------------
foreign | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
price | .000266 .0001166 2.28 0.022 .0000375 .0004945
mpg | .2338353 .0671449 3.48 0.000 .1022338 .3654368
_cons | -7.648111 2.043673 -3.74 0.000 -11.65364 -3.642586
------------------------------------------------------------------------------
(est1 stored)
. eststo, title(AMEs): margins, dydx(*) post
Average marginal effects Number of obs = 74
Model VCE : OIM
Expression : Pr(foreign), predict()
dy/dx w.r.t. : price mpg
------------------------------------------------------------------------------
| Delta-method
| dy/dx Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
price | .0000428 .0000166 2.57 0.010 .0000102 .0000754
mpg | .0376126 .0074022 5.08 0.000 .0231045 .0521207
------------------------------------------------------------------------------
(est2 stored)
. esttab, drop(_cons)
--------------------------------------------
(1) (2)
foreign
--------------------------------------------
main
price 0.000266* 0.0000428*
(2.28) (2.57)
mpg 0.234*** 0.0376***
(3.48) (5.08)
--------------------------------------------
N 74 74
--------------------------------------------
t statistics in parentheses
* p<0.05, ** p<0.01, *** p<0.001
。系统使用自动
（1978年汽车数据）
. eststo，标题（索引）：登录国外价格mpg
迭代0：对数似然=-45.03321
迭代1：对数似然=-36.627434
迭代2：对数似然=-36.462562
迭代3：对数似然=-36.46219
迭代4：对数似然=-36.462189
obs的逻辑回归数=74
LR chi2（2）=17.14
概率>chi2=0.0002
对数似然=-36.462189伪R2=0.1903
------------------------------------------------------------------------------
外国| Coef。标准错误。z P>| z |[95%配置间隔]
-------------+----------------------------------------------------------------
价格|.000266.00011662.28 0.022.0000375.0004945
mpg | 2338353.0671449 3.48 0.000.1022338.3654368
_cons |-7.648111 2.043673-3.74 0.000-11.65364-3.642586
------------------------------------------------------------------------------
（est1存储）
. eststo，标题（AMEs）：页边距，dydx（*）post
obs的平均边际效应数=74
型号VCE:OIM
表达式：Pr（国外），predict（）
dy/dx w.r.t.：每加仑价格
------------------------------------------------------------------------------
|增量法
|dy/dx标准错误。z P>| z |[95%配置间隔]
-------------+----------------------------------------------------------------
价格|.0000428.00001662.57 0.010.0000102.0000754
mpg |.0376126.0074022 5.08 0.000.0231045.0521207
------------------------------------------------------------------------------
（est2存储）
. esttab，drop（_cons）
--------------------------------------------
(1) (2)
外国的
--------------------------------------------
主要
价格0.000266*0.0000428*
(2.28) (2.57)
mpg 0.234***0.0376***
(3.48) (5.08)
--------------------------------------------
N 74 74
--------------------------------------------
括号中的t统计量
*P如果你投反对票，请简要评论。也许，我可以改写这个问题？不清楚您是否已经侵入了esttab
程序集，或者您是否建议这样做。如果你愿意的话，我会直接联系作者（Ben Jann）。我想他不会来这里。@NickCox我开始修改estout
套件的ado文件，但后来我觉得这对我来说太麻烦了。因此，我只编写了这个小程序，并使用了一些更通用的estout
函数来捕获使用esttab
的输出。非常感谢！我想比较两个不同的嵌套模型。因此，“指数”估计对我来说不是很重要。然而，我想保留“索引”模型的总结统计数据，如AIC和R2，但报告e