“边距，预测”和“边距，以均值预测”之间的区别 [关闭]

Question

运行多项逻辑回归后，我对获得预测概率感兴趣。

如果我运行，我发现我的估计有所不同：

mlogit cluster_lag i.indipvar1 i.indipvar2 i.indipvar3 indipvar4, rrr vce(cluster clustervar)

margins depvar, atmeans predict(outcome(0))

或者：

mlogit cluster_lag i.indipvar1 i.indipvar2  i.indipvar3 indipvar4,rrr vce(cluster clustervar)

margins depvar, predict(outcome(0))

我想知道当未指定选项 atmeans 时，Stata 真正考虑的是什么。

此外，我有一个名为“year”的分类变量，有 4 个类别：71、81、91、2001。据我所知，打字应该有任何区别

margins cluster,  at(cluster==0) at (year=( 71 81 91 2001))

或

margins cluster,   at(cluster==0) over(year)

但最后，结果是不同的。您对这两行之间的区别有什么建议吗？

Answer 1

这里的区别在于平均边际预测和均值预测。 atmeans 命令指示 margins 生成后者，而默认为前者。

例如：

margins, predict(outcome(0))

等同于：

predict newvar
mean newvar

如果你这样做：

margins covariate, predict(outcome(0))

同理：

replace covariate = 1
predict newvar1
replace covariate = 2
predict newvar2
replace covariate = ...
predict newvar...
mean newvar*

对于协变量的每个唯一值。也就是说，它正在生成反事实数据集，将指定变量的值更改为给定值并保持所有其他变量不变，然后从反事实数据集生成模型预测。

atmeans 命令与指定, at() 选项相同，其中每个协变量在生成预测之前都固定为其平均值。例如，如果您有分类协变量，或者如果均值不可观察或不典型，这通常是没有意义的。

关于你的第二个问题，这两个是不等价的：

margins, at(cluster=0) at(year=(1971 1981 1991 2001))
margins, at(cluster=0) over(year)

, over() 选项是子集运算，而 , at() 是反事实运算。

第一行生成一个反事实（如上），其中 每个 观察值 year 被替换为 1971、1981、1991 和 2001，生成对数据集每个版本的预测（同时在所有反事实情况下将cluster 设为 0）。

第二行将所有观测值的cluster 固定为0，然后按year 的观测值拆分数据，然后生成每个子集的平均预测值。

Stata's margins reference manual 始终是这些事情的最佳参考。