Stata Marginsplot Binary Optionen

HINWEIS: Die IDRE Statistische Beratungsgruppe wird die Website im Februar auf das WordPress CMS migrieren, um die Wartung und Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht mehr gepflegt werden. Wir werden versuchen, Umleitungen zu pflegen, damit die alten URLs weiterhin so gut funktionieren wie möglich. Willkommen beim Institut für Digitale Forschung und Bildung Hilfe der Stat Consulting Group durch ein Geschenk Stata FAQ Wie kann ich die Ergebnisse der Margin-Befehl (Stata 12) Grafik-Ergebnisse aus dem Rand-Befehl kann bei der Interpretation Ihres Modells helfen. Stata 12 führte den Befehl marginsplot ein, der den grafischen Prozess sehr einfach macht. Beginnen wir mit einem einfachen Beispiel. Das erste Beispiel ist eine 3x2 faktorielle Analyse der Kovarianz. Wir werden das Modell mit anova laufen lassen, aber wir würden die gleichen Ergebnisse erzielen, wenn wir es mit Regression laufen ließen. Als nächstes führen wir den Ränderbefehl, um die sechs Anpassungszellenmittel aus der 3x2-Interaktion zu erhalten. Diese angepassten Zellen werden in SAS als kleinste Quadrate bezeichnet (lsmeans) oder geschätzte Randmittel (emmeans) in SPSS. Der Randsplot wird nach den Rändern verwendet, um die angepassten Zellenmittel zu zeichnen. Wir können auch die Ergebnisse für weiblich von prog nur mit der x () Option. Für unser zweites Beispiel werden wir die Ergebnisse einer kategorischen durch kontinuierliche Interaktion aus einem logistischen Regressionsmodell grafisch darstellen. Wir werden den Ränderbefehl verwenden, um die vorhergesagten Wahrscheinlichkeiten für 11 Werte von s von 20 bis 70 für beide f gleich Null und f gleich zu erhalten. Die vsquish-Option reduziert nur die Anzahl der Leerzeilen in der Ausgabe. Insgesamt gibt es in der obigen Tabelle 22 Werte. Es gibt zwei prognostizierte Wahrscheinlichkeiten für jeden Wert von s. Jeder für Männer und Frauen. Jetzt können wir voran gehen und die Wahrscheinlichkeiten mit dem Befehl marginsplot grafisch darstellen. Dieses Mal werden wir die Standard-Konfidenzintervalle enthalten. Wir können die Grafik visuell attraktiver machen, indem wir den Bereich innerhalb der Konfidenzintervalle schattieren. Der Graph der Wahrscheinlichkeiten oben ist schön, soweit es geht, aber die Darstellung der Ergebnisse könnte klarer sein, wenn wir den Unterschied in den Wahrscheinlichkeiten zwischen Männern und Frauen graphisch darstellen würden. Um dies zu tun, müssen wir den Ränderbefehl erneut ausführen, um die diskrete Änderung für f bei jedem Wert des Lesens zu berechnen. Wir können den Unterschied mit der Option dydx (Derivat) erhalten. Alles ist bereit für den Befehl marginsplot. So schön wie die obige Grafik ist, könnte es besser aussehen als ein Bereich Handlung mit Bereich Schattierung zwischen den oberen und unteren Vertrauen Grenzen. Wenn Sie möchten, dass die Zeilen in diesen Graphen glatter sind, geben Sie einfach mehr Werte in die Option an, sagen Sie (20 (2) 70) anstelle von (20 (5) 70). Der Inhalt dieser Website sollte nicht als eine Bestätigung einer bestimmten Website, Buch oder Software-Produkt von der University of California ausgelegt werden. NOTICE: Die IDRE Statistische Beratungsgruppe wird die Website migrieren die Website auf die WordPress CMS im Februar zu erleichtern Wartung und Erstellung neuer Inhalte. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht mehr gepflegt werden. Wir werden versuchen, Umleitungen zu pflegen, damit die alten URLs weiterhin so gut funktionieren wie möglich. Willkommen im Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group, indem Sie ein Geschenk geben Stata FAQ Wie bekomme ich Margen und Marginsplot mit multiplizierten Daten Die Margen und Marginsplot-Befehle, die in Stata 11 und Stata 12 eingeführt wurden, sind sehr beliebt Nachschätzungsbefehle. Allerdings können sie schwierig sein, in Verbindung mit mehreren Imputation zu verwenden. Lets beginnen mit Blick auf die Daten. Wie Sie aus der obigen Tabelle sehen können, haben alle Variablen außer ses fehlende Werte. Running Margen und Marginsplot nach mehrfacher Imputation beinhaltet einen mehrstufigen Prozess. Wir werden diesen Prozess mit einem geordneten Logit-Modell mit ses als Antwortvariable demonstrieren. Es kann die Werte 1, 2 oder 3 annehmen. Es ist nicht eine große Antwortvariable aus theoretischer Sicht, aber zumindest ist es ordinal. Die Prädiktorvariablen sind weiblich. Lesen und math Also, was ist das Problem Warum nicht einfach die Daten rechnen und die Analysen ausführen. Nun, wir können die Daten in Anspruch nehmen, aber wir brauchen einen Weg, um sowohl ologit und Margen auf jedem unterstellten Datensatz laufen und dann kombinieren die Margen Ergebnisse zu einem einzigen Ausgang. Das Problem ist, dass Margen (ein Rclass-Befehl) nicht mit mi Schätzung (ein Eclass-Befehl) funktioniert. Darüber hinaus, da wir nach vorhergesagten Wahrscheinlichkeiten suchen, müssen wir sie für jeden der drei Antwortwerte berechnen. Wir können dies durch das Schreiben eines Wrapper-Programm namens emargins. ado zu erreichen. Es enthält sowohl die ologit - als auch die Margin-Befehle. Durch Festlegen der Optionseigenschaften auf mi. Emargine können mit mi Schätzung verwendet werden. Wir müssen auch Emargine als ein Eclass-Programm deklarieren. Hier sieht das Programm aus. Das Emargins-Programm wird die ologit laufen und dann die Margen schätzen, um die prognostizierten Wahrscheinlichkeiten für jede Ebene von ses zu geben. Der wichtigste Teil zu bemerken ist, dass das Programm markiert ist quoteclassquot und wir verwenden die quotpostquot Option auf der Margin-Anweisung. Dies geschieht so, dass die prognostizierten Wahrscheinlichkeiten und die Varianz-Kovarianz-Matrix, die für jeden unterstellten Datensatz geschätzt wird, korrekt in der mi ereturn-Liste gespeichert werden, wobei mi Schätzung auf die Schätzungen zugreifen kann (nicht die Rücksendeliste, wo es normalerweise gehen würde). Hier ist, wie Sie Emargins-Programm mit mi Schätzung verwenden: Der cmdok wird benötigt, weil Stata keine Emargins als mi schätzbares Programm erkennt. Der Wert 1 (1) nach den Emarginen wird an die Ränder übergeben, die angeben, welcher Antwortwert vorhergesagt wird. Sobald mi Schätzung kombiniert die Margen von jedem der unterstellten Datensätze mit Rubins Regeln in eine Tabelle, wie bekommt man die marginsplot zu laufen Wenn Sie versuchen, marginsplot nach mi Schätzung erhalten Sie die Fehlermeldung, vorheriger Befehl war nicht Margen. Dies geschieht, weil mi Schätzung nicht die Ergebnisse an der richtigen Stelle für marginsplot, um sie zu finden. Denken Sie daran, mi Schätzung ist ein Eclass-Befehl speichert Ergebnisse in der ereturn Liste, aber Margen ist rclass und speichert seine Ergebnisse in der Rücklaufliste. Irgendwie müssen wir die Informationen aus der mi estimate ereturn Liste in die Ränder zurück Liste zu verschieben. Die Lösung dieses Problems besteht darin, die kombinierten Margen vorhergesagte Wahrscheinlichkeiten e (bmi) und Varianz-Kovarianzmatrix e (Vmi) zu speichern, die durch mi Schätzung in Matrizen b und V erzeugt werden. Führen Sie eine Standard-Marge auf die mim 0 (nicht rezidivierte) Daten, und dann die Ergebnisse von b und V zurück in die Ränder zurück Liste r (b) und r (V), wo marginsplot können sie zugreifen. Wir machen den letzten Teil mit einem Programm namens myret. ado, das so aussieht. Jetzt setzen wir alle Stücke zusammen in eine Do-Datei, die wir bekommen. Hier ist, wie die Ausgabe aussieht, wenn wir die Do-Datei ausführen. Bitte beachten Sie: Die Werte in den Tabellen und Grafiken oben sind vorausgesagte Wahrscheinlichkeiten. Die Spalte Überschrift für die Ränder Tabellen, Coef. ist falsch. Falls du den Track verloren hast, welche Werte in der Ränderausgabe sind, kannst du die r (at) Matrix auflisten. Dies ist vielleicht nicht der transparenteste Prozess, aber am Ende haben wir die Plots der vorhergesagten Wahrscheinlichkeiten. Natürlich ist die hier gezeigte Technik nicht auf ologit beschränkt, sondern verallgemeinert auf viele andere Schätzverfahren für die Verwendung mit Margen und Marginsplot. Danksagungen Danke an Isabel Cannette von Stata Corp für den Vorschlag, Myret zu benutzen, um die Margin-Ergebnisse zurückzugeben. Der Inhalt dieser Website sollte nicht als eine Bestätigung einer bestimmten Website, Buch oder Software-Produkt von der University of California. Announcement Ich versuche zu sehen, wie kann ich die Werte der abhängigen variabel-Achse reagiert, die in einem Plot nach Margin-Befehl in marginsplot-Befehl verwendet werden. Ich habe die folgenden Befehle ausprobiert. (J) (x (35)) Marginsplot, xlabel (0 (5) 35) Neufassung (line) recastci (rarea) jetzt, Ich möchte gern exponentiell von eydx-Werten auf dem nach dem margins-Befehl erstellten tab zeigen und sie in marginsplot-command verwenden. Ich habe versucht, Optionen Befehl - expression (exp (Vorhersage (xb))), aber es schien nicht, um alle Ergebnisse auf dem Tisch oder auf der Handlung zu ändern. Wenn Sie irgendwelche Vorschläge haben, würde ich das sehr schätzen. Vielen Dank, Peter Han 29 Jul 2015, 14:53 Hier ist eine partielle Lösung für dieses Problem mit marginsplot (dh Grafik von IRRs ohne CIs) und eine komplette Lösung, wenn Sie bereit sind, die Exponentiation der r (Tabelle) Ausgabe und verwenden Grafische Dinge in STATA oder ein alternatives Programm wie Excel. Ich wette, einige fortgeschrittene Programmierer könnten es besser machen, aber das kann für einige hilfreich sein. Bitte beachten Sie, dass mehrere Codezeilen unnötig sind, aber zur Klarheit enthalten sind. Schätzen Sie ein Modell (dieses enthält eine Binärdatei durch kontinuierliche Interaktion) und berechnen Sie die Ränder nbreg y x1c. x2, nolog irr nbreg y x1c. x2, nolog Ränder, eydx (x1) at (x2 (-2 (.2) 2)) Noatlegend matlist r (tabelle) matlist r (b) grafische Halb-Elastizitäten (mit und ohne CIs) marginsplot, name (semielastizität, ersetzen) marginsplot, name (semielasticitynoci, replace) noci Exponentiation von zwei matrizen Leider scheint es, dass r ( V) und r (b) werden von marginsplot verwendet. Da CIs für IRRs durch die Exponentierung der modellbasierten CIs angemessen berechnet werden, konnte ich nicht herausfinden, wie man Stata weiter innerhalb von marginsplot trickte. Allerdings gibt die Exponentiierung der r (Tabelle) dir was du brauchst: b, ll, ul. Mata: streplacematrix (qur (b) quot, exp (stmatrix (quotr (b) quot))) mata: streplacematrix (quotr (tabelle) quot, exp (stmatrix (quotr (tabelle) quot))) Graph der IRRs BITTE BEACHTEN: Nur die IRR-Schätzung ist richtig. Die CIs, die diese Methode verwenden, werden nicht korrekt sein und so werden sie nicht angezeigt. Marginsplot, name (irr, replace) noci Zuletzt bearbeitet von jeffward 29 Jul 2015, 14: 58.Announcement 01 Feb 2017, 05:26 Ich denke, dass du verwirrt bist Zwei Fragen hier: 1) Einstellen des Bereichs der x-Achse, um die Breite des Plots zu beeinflussen 2) Anpassen der Abmessungen des Graphen als Ganzes. Dein Beitrag 1 schlägt das ehemalige vor, aber du scheinst das Letztere zu haben. Hier sind einige Ideen i) Sie können entweder - xsize () - oder - ysize () - Option, um Dimensionen anpassen. Ii) Um die gleiche Größe und Breite zu haben, spezifizieren Sie - aspectratio (1) - in Verbindung mit (i) iii) Wenn Sie die gewünschten Dimensionen nicht erhalten können, exportieren Sie die Grafik in eps oder Bildform und passen Sie die Dimensionen extern an. Verringerung der Dimensionen durch Ändern von - xsize () - und erfordert, dass heightwidth durch die Angabe - aspectratio (1) -