我正在使用这个实用的包https://github.com/FixedEffects/FixedEffectModels.jl在Julia中运行固定效应模型。
不过,我有一个问题,就是我不确定如何在使用该软件包后提取交互变量的平均边际效应或预测值。例如,下面两行展示了如何在Stata中提取平均边际效应。
不过,我有一个问题,就是我不确定如何在使用该软件包后提取交互变量的平均边际效应或预测值。例如,下面两行展示了如何在Stata中提取平均边际效应。
xtreg chronic_illness age country_birth social_class#macro_unemployment, fe
margins crisis, dydx(social_class)
以下是如何在R中提取它们的方法: 如何使用R运行面板数据中个体固定效应的预测概率(或平均边际效应)?
不知道是否有Julia语言的类似版本?
以下是我在Julia中正在运行的模型:
m= reg(df1, @formula(chronic_illness ~ status+ age + social_class*crisis + fe(id) + fe(year) + fe(country)), contrasts=contr,save=true)
慢性病是一个二元变量(0=无慢性病),危机是一个二元变量(0=无财务危机)。这个想法是要看不同社会阶层在没有危机和有危机时的慢性疾病得分差异。这里的模型只显示相互作用效应,但我对基线值很感兴趣。
以下是输出结果:
Fixed Effect Model
========================================================================================================
Number of obs: 1468882 Degrees of freedom: 459252
R2: 0.703 R2 Adjusted: 0.567
F-Stat: 62.8378 p-value: 0.000
R2 within: 0.001 Iterations: 18
========================================================================================================
cillness | Estimate Std.Error t value Pr(>|t|) Lower 95% Upper 95%
-------------------------------------------------------------------------------------------------------
status: Unemployed | 0.0145335 0.00157535 9.22556 0.000 0.0114459 0.0176212
status: missing | -0.00702545 0.0136504 -0.51467 0.607 -0.0337797 0.0197288
age | 0.00178437 2.79058 0.000639427 0.999 -5.46766 5.47123
class: Lower-middle class | 0.00458331 250.251 1.83149e-5 1.000 -490.478 490.487
class: Working class | 0.0286466 163.324 0.000175398 1.000 -320.081 320.138
crisis | -0.00600744 0.00156138 -3.84753 0.000 -0.00906768 -0.00294719
class: Lower-middle class & crisis | -0.00189866 0.00192896 -0.984289 0.325 -0.00567936 0.00188205
class: Working class & crisis | -0.00332881 0.00170221 -1.95558 0.051 -0.0066651 7.46994e-6
@formula
吗?我不知道 FixedEffects.jl 中是否有任何特定的包或功能,但我并不是那些非常有经验的用户。这难道不只是构建一个newdata
数据框并将其乘以 coef 向量的问题吗?就像你选择其他 X 的某个级别并预测social_class
和marco_unemployment
的范围一样?抱歉,我可能没有正确理解。 - Florian Oswald