Stata 边际效应期权、边际收益与内部收益率

我正在估计泊松回归，并希望估计我的系数的经济意义（边际效应）

有人向我建议了三种方法：

页边距，dydx（_all）

页边距，dydx（_all）平均值

泊松内部收益率

---

我想知道哪种方法是最好的

平均值（#2）的边际效应通常是一个坏主意，因为平均值可能对应于一个不具代表性、无意义的值，特别是如果你的X包含分类变量。你真的关心那些一半是女性，10%怀孕的人的附加效应吗？可能不会。当计算费用昂贵时，这种ME更常用。如果您想走这条路线，可以使用

at（）

选项选择更合适的值

平均边际效应（#1）给出预期计数的平均相加效应

内部收益率选项（#3）会对平均值产生乘数效应

下面是一个包含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

如你所见，吸烟者群体的平均死亡人数是126。对于不吸烟的人来说，这个数字只有20.2

内部收益率：

吸烟者的死亡人数为6.237624*20.2=126

现在我们计算了相加效应：

. 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人。20.2+105.8=126

---

在这个简单的模型中，

margins，dydx（smokes）atmeans将给出相同的答案。你知道为什么吗？
这本质上是一个统计问题，而不是编程问题。即便如此，“最佳”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。经济学的解释在经济学家之间。离题；更适合简历，但仍然是一个不适定的问题。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。
. 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.