我也遇到了这个问题，请问你的这个问题解决了吗？  可否分享下？

您好 那可以只报告系数及其显著性吗？

在Stata中使用`outreg2`输出回归结果时，星号表示显著性水平通常是基于你的命令设置的。默认情况下，`outreg2`会根据p值为0.1、0.05和0.01分别标记一星、二星和三星。如果某些系数的p值小于这些阈值但没有被标记，可能是因为你没有在`outreg2`命令中明确指定显著性水平或默认设置出了问题。

解决这个问题可以通过以下方式之一：

1. 使用`addstaropts()`选项来手动设定显著性水平与星号对应关系。例如：
```stata
outreg2 using mytable.txt, addstaropts("0.1 `*" 0.05 `"**"' 0.01 `"***'")
```
这会将p值在0.1以下的标记为`*`，0.05以下的标记为`**`，以及0.01以下的标记为`***`。

2. 使用`starlevels()`选项来设置显著性水平。例如：
```stata
outreg2 using mytable.txt, starlevels(0.1 0.05 0.01)
```
这与上述效果相同，但语法更简洁。

关于marginal effect（边际效应）不显著的问题：

在多元logit模型中，回归系数的显著性并不等同于边际效应的显著性。回归系数反映的是自变量对数几率（log odds）的影响，而边际效应则是解释变量每变化一个单位时因变量概率的变化量，因此它们的估计和假设检验可能有不同的结果。

- 回归系数的显著性基于其标准误与t值或z值；
- 边际效应则依赖于在特定点（如样本平均值或其他设定的点）计算的概率导数以及这些导数的标准误差。
如果边际效应不显著，这可能是由于模型预测概率的变化相对于自变量变化并不明显或者这种变化的不确定性较大。

至于为何marginal effect输出中包括了参照组的结果：通常在多元logit回归时，会设一个基线类别（即参照组）来对比其他类别的差异。但在计算边际效应时，可以对所有类别的概率变化进行估计，包括那个最初的基线类别。这是因为边际效应是对自变量变化引起的概率变化的估计，即使对于基线类别而言，这种变化也是有意义的。

希望这能解决你的疑惑！如果你有更具体的问题或需要进一步的帮助，请详细描述。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用