Исправлены эффекты в Stata - PullRequest
Новая
       8

Исправлены эффекты в Stata

0 голосов
/ 26 апреля 2018

Очень плохо знаком со Stata, поэтому немного борюсь с использованием фиксированных эффектов.Данные здесь составлены, но терпите меня.У меня есть несколько фиктивных переменных, с которыми я делаю регрессию.Моя зависимая переменная - фиктивная, равная 1, если клиент что-то купил, и 0, если нет.Мои фиксированные эффекты: был ли желтый знак спереди или нет (снова фиктивная переменная).Моя независимая переменная, если менеджер магазина сказал привет или нет (фиктивная переменная).

По сути, я хочу, чтобы мой вывод выглядел так (очевидно, со стандартными ошибками) 

                        Yellow sign       No Yellow sign
Manager said hi          estimate            estimate

1 Ответ

0 голосов
/ 02 мая 2018

Вы можете использовать оператор ## в регрессии, чтобы получить насыщенную модель с фиксированными эффектами:

Сначала введите входные данные, чтобы получить двоичный результат ( куплено ),зависимая переменная ( saidhi ) и фиксированная переменная эффектов ( знак ). saidhi должно быть соотнесено с вашим результатом (поэтому есть часть saidhi , которая не связана с купленным , и часть, которая есть), и ваша переменная FE должнабыть соотнесенным с купленным и saidhi (иначе нет смысла иметь это в вашей регрессии, если вы заинтересованы только в эффекте saidhi ). 

clear
set obs 100
set seed 45
gen bought = runiform() > 0.5                               // Binary y, 50/50 probability
gen saidhi = runiform() + runiform()^2*bought               
gen sign = runiform() + runiform()*saidhi + runiform()*bought > 0.66666 // Binary FE, correlated with both x and y 
replace saidhi = saidhi > 0.5

Теперь запустите регрессию: 

* y = x + FE + x*FE + cons
reg bought saidhi##sign, r


exit

Ваш вывод должен быть: 

Linear regression                               Number of obs     =        100
                                                F(3, 96)          =      13.34
                                                Prob > F          =     0.0000
                                                R-squared         =     0.1703
                                                Root MSE          =     .46447

------------------------------------------------------------------------------
             |               Robust
      bought |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    1.saidhi |   .3571429   .2034162     1.76   0.082    -.0466351    .7609209
      1.sign |   .3869048   .1253409     3.09   0.003      .138105    .6357046
             |
 saidhi#sign |
        1 1  |  -.1427489   .2373253    -0.60   0.549    -.6138359    .3283381
             |
       _cons |   .0714286   .0702496     1.02   0.312    -.0680158     .210873
------------------------------------------------------------------------------

1.saidhi является эффектом saidhi когда sign == 0. 1.sign - это эффект знака, то есть, когда saidhi == 0.Части в saidhi#sign описывают взаимодействие между этими двумя переменными (то есть предельный эффект, когда они оба равны 1 в одно и то же время ... имейте в виду, что суммарный эффект от них обоих - один, включает два предыдущих термина).Ваша константа представляет собой среднее значение , купленное , когда оба равны 0 (например, это то же самое, что вы получили бы от sum bought if saidhi == 0 & sign == 0).

...