再help gfields

但里面的说明并不详细。

可以参考以下文献：

期待更详细的解读。。。

我使用如下命令：
xi:heckman   employer i.status  i.race i.hukou i.area,sel( i.status i.sex age duration i.education i.race i.hukou i.
> area)

得到回归结果，但使用
gfields  
命令后老显示
last estimates not found


何故，Gfield命令对回归方程有什么要求？

而一般的reg模型可以直接用gfields命令。
如 xi:reg employer  age i.sex i.status   i.area
. xi:reg employer  age i.sex i.status   i.area
i.sex             _Isex_1-2           (naturally coded; _Isex_1 omitted)
i.status          _Istatus_1-3        (naturally coded; _Istatus_1 omitted)
i.area            _Iarea_0-2          (naturally coded; _Iarea_0 omitted)

      Source |       SS       df       MS              Number of obs =    1571
-------------+------------------------------           F(  5,  1565) =   14.25
       Model |   269521194     5  53904238.8           Prob > F      =  0.0000
    Residual |  5.9198e+09  1565  3782605.38           R-squared     =  0.0435
-------------+------------------------------           Adj R-squared =  0.0405
       Total |  6.1893e+09  1570  3942228.42           Root MSE      =  1944.9

------------------------------------------------------------------------------
    employer |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         age |  -19.11043   5.665632    -3.37   0.001    -30.22346   -7.997401
     _Isex_2 |  -424.8835   100.6651    -4.22   0.000    -622.3361   -227.4308
  _Istatus_2 |  -346.1651   135.7591    -2.55   0.011    -612.4539   -79.87627
  _Istatus_3 |  (dropped)
    _Iarea_1 |   -142.215   170.2102    -0.84   0.404     -476.079     191.649
    _Iarea_2 |   487.5856   180.0431     2.71   0.007     134.4344    840.7368
       _cons |   2761.409   272.2159    10.14   0.000     2227.463    3295.355
------------------------------------------------------------------------------

. gfields

  Fields' decomposition of factor contributions

  Factor |  Share of SS
---------+---------------
     age |     0.0075
_Isex_2 |     0.0098
_Istatus_2|     0.0046
_Istatus_3|     0.0000
_Iarea_1 |     0.0048
_Iarea_2 |     0.0169
residual |     0.9564


为何heckman模型不行，两者不兼容？？还是因为存在inverse mill's ration,及潜在变量的回归方程？

进一步提问：gfields命令适合于哪种类型的回归模型？

[quote]peyzf 发表于 2009-8-16 11:53
而一般的reg模型可以直接用gfields命令。
如 xi:reg employer  age i.sex i.status   i.area
. xi:reg employer  age i.sex i.status   i.area
i.sex             _Isex_1-2           (naturally coded; _Isex_1 omitted)
i.status          _Istatus_1-3        (naturally coded; _Istatus_1 omitted)
i.area            _Iarea_0-2          (naturally coded; _Iarea_0 omitted)

      Source |       SS       df       MS              Number of obs =    1571
-------------+------------------------------           F(  5,  1565) =   14.25
       Model |   269521194     5  53904238.8           Prob > F      =  0.0000
    Residual |  5.9198e+09  1565  3782605.38           R-squared     =  0.0435
-------------+------------------------------           Adj R-squared =  0.0405
       Total |  6.1893e+09  1570  3942228.42           Root MSE      =  1944.9

------------------------------------------------------------------------------
    employer |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         age |  -19.11043   5.665632    -3.37   0.001    -30.22346   -7.997401
     _Isex_2 |  -424.8835   100.6651    -4.22   0.000    -622.3361   -227.4308
  _Istatus_2 |  -346.1651   135.7591    -2.55   0.011    -612.4539   -79.87627
  _Istatus_3 |  (dropped)
    _Iarea_1 |   -142.215   170.2102    -0.84   0.404     -476.079     191.649
    _Iarea_2 |   487.5856   180.0431     2.71   0.007     134.4344    840.7368
       _cons |   2761.409   272.2159    10.14   0.000     2227.463    3295.355
------------------------------------------------------------------------------

. gfields

  Fields' decomposition of factor contributions

  Factor |  Share of SS
---------+---------------
     age |     0.0075
_Isex_2 |     0.0098
_Istatus_2|     0.0046
_Istatus_3|     0.0000
_Iarea_1 |     0.0048
_Iarea_2 |     0.0169
residual |     0.9564


个人理解，以上系数反映的是各个变量对因变量影响的大小，这样一来，它与我们的标准化的系数回归方程参数有何差别？

另外，我想考查变量status对因变量的影响，能不能把Istatus_2前面的系数 0.0046与_Istatus_3的系数 0.0000简单相加？因为status为一离散变量，分为Istatus_2|、_Istatus_3两个虚拟变量。

Factor |  Share of SS
---------+---------------
     age |     0.0075
_Isex_2 |     0.0098
_Istatus_2|     0.0046
_Istatus_3|     0.0000
_Iarea_1 |     0.0048
_Iarea_2 |     0.0169
residual |     0.9564
从理论上来说，由于是各个因素的对变量差异的贡献，应该可以直接加总。

但这和R2等统计量一样，并不具有统计意义。统计推广意义不大。

一种理论上可行的方法是，用手动的二阶段回归方法。由第一步估算出inverse mill's ratio,第二部就是一个普通的ols.但问题是，手动情况不能得到有效的估计，但对于gfields分解应该是可适用的。

如何进行tradeoff？

如何既保证估算的有效性，同时使gfields命令可用。

注：gfields命令可以估算各个变量对因变量变动解释的贡献率。

初步结论，可以用probit+reg ,robust 来手工进行two-step reg .
并且与gfields兼容。。

执行 oaxaca命令后为何老出现这样的错误提示？如下。


oaxaca lwagecom age sqage,by(dummy)
Mata run-time error

进一步提问：如何查到stata中错误提示的解释？？

stata手册11 [Programming] error, p.118

也想学习Oaxaca-Blinder分解的操作，peyzf ，愿意帮忙加我
qq276852334.谢谢！

论坛牛人真多啊 学习一下

请问一下大家，用gfields对各个因素分解之后，若想进一步对收入不平等的变化进行动态分解，应该用什么命令呢？我看到一些文献能得出用各种不平等指标表示变化的各种收入来源的贡献率，想问是怎么算出来的，谢谢大家啊

G•Fields分解可以用于非线性模型吗？
如probit ,IVprobit?

G•Fields更适合做收入差距的影响因素，及其影响因素贡献的相对大小，那么，可以赋予收入差距更一般的含义吗？即因变量的波动？
因此，G•Fields分解得到的系数可以理解为各个解释变量的解释贡献率？

太牛了，谢谢连老师！ 4# arlionn

非常好，学习啦！

不错，顶一下

好帖子，学到好多东西，正是需要的

也想学习Oaxaca-Blinder分解方法在STATA中怎么实现

peyzf,想请教下在stata中怎么实现Oaxaca-Blinder分解，能否将具体的操作告知下，你发的帖中断断续续也有了好些，能不能说的再详细些？谢谢！