在具有 6 个解释变量的 logit 模型中获取变量（与另一个变量交互）的边际效应

Question

我运行了下面的模型，想要得到“PMSC0to6”（0~6）的边际效应，取决于“Ceasefire2”（二进制）。

result_PMSC06_CF <- glm(Participatory_Peace ~ sxp  + GDPpc + wartype + coldwar + Ceasefire2*PMSC0to6,
family = binomial(link = "logit"))

所以我运行了以下，

Sm4_2 <- summary(margins(result_PMSC06_CF, 
                         at = list(Ceasefire2 = 0:1))) %>% 
  dplyr::filter(factor == "PMSC0to6") %>% 
  as.data.frame()

但是，我想知道是否需要放置“Ceasefire2”和“PMSC0to6”以外的其他变量。

所以问题是，

1. 上面的 Sm4_2 是否可以得到 PMSC0to6 的边际效应？
2. 如果不是，我是否应该将其他变量的均值放入 at = list() 中？

非常感谢您。

Answer 1

对您的问题的简短回答：

1. 是的。

2. 可能不会。

2.的较长答案：

在逻辑回归中，任何协变量的边际效应都随着所有协变量而变化。有几种不同的方法可以将一系列边际效应“折叠”成每个协变量的单个边际效应：

• 边际部分效果（margins::margins 中的默认值）- 更多细节here
• 代表性案例的边际效应 - 选择一些代表点，这些点可能在样本中准确表示，也可能不准确，并计算这些点的边际效应（这通常是一个手动过程，需要对主题有一定程度的了解数据）
• 平均边际效应 - 计算样本中所有点的边际效应并取平均值
• 均值的边际效应 - 计算所有协变量的平均值并计算该点的边际效应，正如您的第二个问题所建议的那样

均值处的边际效应通常不是一个好的选择，原因已讨论here：

请注意，R 可用的其他一些软件包以及 Stata 的 margins 和 mfx 软件包可以计算所谓的“均值边际效应”（即，具有协变量值的单个观测值的边际效应等于整个样本的平均值）。对这些的实质性解释是相当模棱两可的。虽然估计 MEM（而不是 AME 或 MER）曾经是一种常见做法，但现在认为这有点不合适，因为它侧重于可能不存在的情况（例如，0/1 变量的平均值不会反映可以实际存在于现实中），我们通常对变量在多个可能的协变量值上的影响感兴趣，而不是任意选择的以这种方式被视为“典型”的案例。

所有其他选项，包括您当前代码计算的边际偏效应，在不同情况下都是有效和有用的。但根据您的最终目标，可能值得通过将这些协变量添加到 at 参数作为 EDA 过程的一部分来查看其他协变量如何影响 Ceasefire2 的边际效应。