Giải thích hiệu ứng cận biên trung bình


7

Tôi đã chạy hồi quy trong đó biến phụ thuộc là thắng (1 = win) Cho rằng hồi quy của tôi là probit tôi muốn hiểu hệ số. Tôi đã thực hiện margins, dydx()cho biến độc lập của mình (hiệu ứng cận biên trung bình). Điều này mang lại kết quả là -.41.

Điều đó có nghĩa là gì? Có nghĩa là xác suất chiến thắng giảm 0,41 điểm phần trăm? và nếu vậy, khi nào nó đi xuống nhiều như vậy?

Tôi chỉ muốn cách của một người để giải thích giá trị 0,41 này.


Chào mừng đến với CrossValidated. Một ảnh chụp màn hình kết quả của bạn có thể là một trợ giúp lớn.
Ferdi

Sử dụng Stata ( không phải STATA, không có chương trình như vậy) là thứ yếu ở đây. Nếu nó là trung tâm của câu hỏi thì đây là ngoài chủ đề. Tôi loại bỏ đề cập từ tiêu đề.
Nick Cox

Câu trả lời:


12

Hiệu ứng cận biên trung bình mang lại cho bạn ảnh hưởng đến xác suất, tức là một số trong khoảng từ 0 đến 1. Đó là thay đổi trung bình về xác suất khi x tăng thêm một đơn vị. Vì probit là một mô hình phi tuyến tính, hiệu ứng đó sẽ khác nhau từ cá nhân này đến cá nhân khác. Hiệu ứng cận biên trung bình làm là tính toán nó cho từng cá nhân và hơn là tính trung bình. Để có được hiệu ứng trên tỷ lệ phần trăm bạn cần nhân với 100, vì vậy cơ hội chiến thắng giảm 41 điểm phần trăm.


đúng ... nhưng khi nào nó giảm 41 phần trăm? Giống như câu nói này nói chung biến độc lập của tôi làm giảm xác suất chiến thắng bằng cách này nhiều? hoặc đây là phương tiện?
Katie

Tôi đoán tôi chỉ đang tự hỏi: giá trị nào thì cơ hội chiến thắng sẽ giảm 41 điểm phần trăm
Katie

Tiểu học @Katie, nhưng 41 điểm phần trăm và 0,41 (0,41) điểm phần trăm hoàn toàn không giống nhau. So sánh câu hỏi của bạn và nhận xét của bạn.
Nick Cox

@Katie Tôi đã chỉnh sửa câu trả lời, đó có phải là những gì bạn đang tìm kiếm?
Maarten Buis

@Katie Nếu câu trả lời của Maarten có ích, vui lòng chọn nó bằng cách sử dụng dấu chọn bên trái.
Dimitriy V. Masterov

1

Hai liên kết có thể được kiểm tra để giải thích chi tiết. Trang 8 trong https://cran.r-project.org/web/packages/margins/vignettes/TechnicalDetails.pdf và Phụ lục A trong https://www3.nd.edu/~rwilliam/stats3/Margins02.pdf .

Tóm lại, hiệu ứng cận biên trung bình của một biến là trung bình của các thay đổi được dự đoán trong các giá trị được trang bị cho một thay đổi đơn vị trong X (nếu nó liên tục) cho mỗi giá trị X, nghĩa là cho mỗi quan sát.


0

dydx có nghĩa là sự khác biệt trong biến phụ thuộc (hoặc hồi quy) Y cho một thay đổi trong biến giải thích X (biến hồi quy). Điều này được hiểu là hệ số hồi quy trong hồi quy lineair (trong đó hiệu ứng cận biên bằng hệ số, khác với hồi quy của các biến phụ thuộc nhị phân).

Điểm 0,41 có nghĩa là để tăng 1 đơn vị X, Y (theo probit, đây là xác suất của bạn), sẽ tăng 0,41 hoặc 41% - điểm . Eyex sẽ trả lại độ đàn hồi.

sửa tôi nếu tôi sai

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.