Answers:
我有与non-conformable arguments
上面评论中的@ hans0l0 相同的问题(“ ”)。我想我已经解决了这个问题,将在这里进行解释。
首先,原始帖子中的方程式有误。它应该是即,第二个之后有一个下标,但第一个之后没有。在Tobit模型中,变量的边际效应不仅取决于该特定变量的系数(),还取决于该变量的系数。还需要根据模型中其他变量的值()计算得出的调整因子。
摘自Wooldridge 2006(第598页):
调整因子…取决于的线性函数,。可以看出,调整因子严格地在零和一之间。
这个调整因子意味着我们必须对模型中其他变量的值进行选择:“我们必须插入x j的值,通常是平均值或其他有趣的值”(Wooldridge 2006,p598)。因此,通常这是平均值,但也可以是中位数,顶部/底部四分位数或其他任何值。这与为什么non-conformable argument
当我们使用上面的Alex代码时,@ hans0l0和我得到“ ”错误的原因有关:x
当我们需要的变量是单个值(均值/中位数/等)时,该代码中的“ ”将成为向量。我相信上面的代码中还有另一个错误,因为它从调整项中排除了截距值([-1]
第一次使用reg$coef
)。我对此的理解(但我很高兴得到纠正)是调整项应包括截距(上面的)。
综上所述,这是使用来自的数据集的示例AER::tobit (“Affairs”)
:
## Using the same model and data as in the Tobit help file
## NB: I have added the “x=TRUE” command so the model saves the x values
> fm.tobit <- tobit(affairs ~ age + yearsmarried + religiousness + occupation + rating,
data = Affairs, x=TRUE)
> fm.tobit$coef
(Intercept) age yearsmarried religiousness occupation rating
8.1741974 -0.1793326 0.5541418 -1.6862205 0.3260532 -2.2849727
> fm.tobit$scale
[1] 8.24708
## the vector of marginal effects (at mean values and for y > 0) should be as follows.
## note the [-1] used to remove the intercept term from the final vector,
## but not from within the adjustment term.
> pnorm(sum(apply(fm.tobit$x,2,FUN=mean) * fm.tobit$coef)/fm.tobit$scale) *
fm.tobit$coef[-1]
age yearsmarried religiousness occupation rating
-0.041921 0.1295365 -0.394172 0.076218 -0.534137
需要重申的重要一点:这些仅在y为正(即至少发生了一件事情)并且所有解释变量的平均值的情况下才是边际效应。
如果有人想使用带有针对Tobit模型的内置边际效应工具的程序检查这些结果,我很想看到比较。任何意见和更正将不胜感激。
参考:
Wooldridge,Jeffrey M.,2006年。《计量经济学概论:一种现代方法》。汤姆森西南。第三版。
non-conformable arguments
当我尝试使用提供的示例数据时得到一些帮助AER::tobit
。您介意尝试一下示例数据集吗?