通过看书，懂了一些。
logit 给出的是Y*=XB  Bk为潜在的Y*的边际值。

logistic给出Y=XB   bk,   其中bk=exp(Bk)  而logP/(1+P)=exp(Bk)  odd ratio.

但Bk bk都不是边际影响。其边际影响要由mfx命令给出。


现在我的问题是，我可以用mfx给出每一个变量的边际值，即先回归logit ，再用mfx命令。那么，这里得到的边际影响系数的显著性是否会发生改变，还是直接继承logit系数的显著性。


大家讨论之。

另外，还有一个问题。mfx适合于所有的变量吗？

离散变量与连续变量在模型中（logti probit logistic）的解释肯定不一样。这样，mfx在求边际影响时，是否能够识别不同的变量类型？

看书发现，dprobit可以直接给出边际影响。但这只适用于probit模型。有没有相关的关于logit模型的边际影响回归命令？还是logistic 为dprobit的对应物？

现在剩下的问题是，我的解释变量中也有离散变量，有些是虚拟变量，对系数的解释应该注意什么？

如果我要采用dprobit模型的话。

大家讨论之。

把这个问题深入下去。

Greene的书里对logit及probit模型有详细的介绍，上面的问题（除了关于软件命令的）都可以找到答案。

检验统计量z与P>|z|保持不变。

OLS估计中，你认为哑元的系数有什么意义（包括能否识别问题），就可以相应地认为mfx的结果有什么意义（包括能否识别问题）。

换句话说，你怎么解释OLS估计中各种变量的系数的意义，就可以相应地怎么解释mfx的结果的意义。

reg：自变量变化一单位，因变量变化多少单位。

logit/probit+mfx：自变量变化一单位，概率P(y=1)变化多少单位。

thanks
我现在需要运行数据。

所以更多的是涉及到操作层面。

当然，我会再仔细地阅读下相关的理论。。

嗯，明知道急于求成并非好事，但追求具有可操作性也不应受到更多 批评。

http://www.pinggu.org/bbs/thread-96285-2-1.html

对stata输出结果的解释，以及为什么stata会输出某些结果，这些都与相关理论有关。

谢谢sungmoo版竹。

再问系数解读：og pseudolikelihood = -56.782594        Pseudo R2     = 0.0650

       
Robust
C309B       dF/dx   Std. Err.      z        P>z     x-bar  [    95% C.I.   ]
       
C306    4.92e-08   7.70e-08     0.62        0.534   5528.44  -1.0e-07  2.0e-07
C305B9   -.0145506   .0150402    -0.93        0.351   2.12593  -.044029  .014928
C305B8*  -.0152646   .0251352    -0.63        0.528   .477778  -.064529  .033999
C308B   -.0122125   .0054284    -1.97        0.049   5.99259  -.022852 -.001573
       
obs. P    .0592593
pred. P    .0499675  (at x-bar)
       
(*) dF/dx is for discrete change of dummy        variable from 0 to 1
z and P>z correspond to the test of        the underlying coefficient being 0

该回归为边际效应，即其它变量不变，某变量变化一单位对因变量取1的影响。


Logistic regression                Number of obs   =        270
                Wald chi2(4)    =        6.93
                Prob > chi2     =        0.1394
Log pseudolikelihood = -56.165575                Pseudo R2       =        0.0752

                       
Robust
C309B  Odds Ratio   Std. Err.        z        P>z     [95% Conf.        Interval]
                       
C306    1.000001   1.62e-06        0.84        0.399     .9999982        1.000005
C305B9    .6913505   .2336803        -1.09        0.275     .3564409        1.340939
C305B8    .8860458   .4698265        -0.23        0.820      .313405        2.504993
C308B    .7478485   .1142346        -1.90        0.057     .5543599        1.008871
                       
logistic回归中，应该如何解读。以C305B9为例？？？
.6913505

进一步问Xi命令
xi:dprobit  C309B i.child i.family train province A106 C301A i.C30,robust

问题在于，我的 C30变量有四个取值，用Xi命令产生了三个虚拟变量，但在估算结果中，只有两个虚拟变量的回归值，另一个即 _IC30_4并没有进入结果栏？？为何。

我考察了_IC30_4的样本比例，它只占到C30的 0.78  %，但也有31个观测值。是不是观察值数量较少，就被排除了？？


另外，probit|logit 需要报告 观测值数量、正确预测百分比、对数似然值、伪R平方。


estat classification

Probit model for C309B

-------- True --------
Classified          D            ~D                Total
               
+              0             0                0
-             76          3669                3745
               
Total           76          3669                3745

Classified + if predicted Pr(D) >= .5
True D defined as C309B != 0
               
Sensitivity                     Pr( + D)        0.00%
Specificity                     Pr( -~D)        100.00%
Positive predictive value       Pr( D +)        .%
Negative predictive value       Pr(~D -)        97.97%
               
False + rate for true ~D        Pr( +~D)        0.00%
False - rate for true D         Pr( - D)        100.00%
False + rate for classified +   Pr(~D +)        .%
False - rate for classified -   Pr( D -)        2.03%
               
Correctly classified                97.97%


该表如何解读？？？

正确预测百分比是不是97.97%



by the way ,我已经阅读了manual和相关书籍。


期待解答。。。

probit/logit y x1-xn
mfx

某变量x变化一单位，y=1的概率将变化多少。

可否把数据列出来（一部分）？

用probit指令 求出的bi 不是最後真正的係數 即使用 mfx 得出的結果也不是 因為probit 並不是dy/dx,至於答案是什麼 我也正求解中 是不是如 logit 得出的bi 要再用exp(bi) 指令去求解?

dprobit 常用计算边际影响。probit 或者logit用一个即可。

此书在哪儿能找到哦？求解啊

你好  请问logit分析要考虑异方差的问题么
我看eviews没有 相关的选项阿 谢谢 ~~~~~

学习一下~~~

发现在搜probit的时候，好多地方见到了您