Probit model margins, hur tolkar man?

Hej Flashback!

Har en probitmodel och min "margins at means" är för ena variabeln -0.0038968 och andra -0.0000383 (de är mina marginaler för oberoende variablerna)

Det betyder vad jag förstått att om beroende variabeln stiger med en enhet, så sjunker dessa oberoende variablerna med sådär mycket.

Förstår inte att vad menar man med en enhet i detta. Min beroende variabel varierar mellan 0.0054 och 0.061.

Är en enhet då en tusendel? och om man skall öka det då från t.ex. 0.0054 till 0.081 så multiplicerar man med 15, blir då ena oberoende variabeln (-0.0038968 * 15) till -0.058452?

Är dessa alltså sannolikheter eller? Är helt ute och cykla med detta och stressar som fan då jag läst online men ingen tycks kunna detta.

Tvärtom.

Jag skulle använt mig av en logit-modell istället. Tolkning av resultat blir enklare eftersom du kan få fram oddskvoterna. Probit användes mest förr eftersom det utan datorers hjälp är enklare att skatta probit-modeller. Men nu när logitmodeller går att skatta m.h.a. väldigt simpla datorer/program så finns det inte mycket som talar för probitmodeller.

Menar du att då att om beroende variabeln stiger så stiger också dessa oberoende variablerna fast de är negativa och inte positiva? Det var första gången jag hört det ;o

Han menar att de oberoende variablerna påverkar den beroende, inte vice versa. Därav begreppen beroende och oberoende.

Men då har jag förstått det rätt? Men förstår inte riktigt fortfarande hur jag tolkar margins. Är de stora eller inte? Är det significant?

Det finns så många problem med din frågeställning att det är svårt att veta var man ska börja. Att fråga en statistiker om hjälp efter data har samlats in är som att ringa en läkare efter patienten har dött. De kan troligtvis säga vad som gått fel, men det är till liten hjälp.

Okej skall försöka förklara. Har olika risker för portföljer. Har gjort en probit-modell som har 1 eller 0 som beroende variabel för portförljerna om de anser son riskabla eller inte. Dummy variable så att säga. Sedan oberoende variablerna är ålder och portföljens storlek. Vad jag undersöker alltså är hur ålder (samt portföljens storlek) är relaterat med riskabla portföljer.

Ja det finns olika metodologier men jag valde probit och jag får leva med det.
Darför undrar jag hur tolkar jag dessa margins? Predicted probabilities fick jag ut med stata och det förstår jag att dessa sannolikheter för varje människa i min data berättar att vad är sannolikheten att de har en risky portfolio (Y=1)

Hur definieras hög eller låg risk? Dvs vad avgör om dummyvariablerna är ett eller noll? Detta är relativt viktigt.

Helt ärligt TS du behöver läsa på om ekonometrin bakom modellen innan du bara kör igång i SAS/Stata, annars spelar det ingen roll vad folk i tråden skriver - du förstår fortfarande inte vad du håller på med. Men eftersom jag är en vänlig person.

Probit ger sannolikheten att person n har riskabel portfölj (Y=1) givet (X=40 (exempelvis)).

Marginalvärde är partialderivatan av ekvationen, d.v.s. hur Y förändras till följd av en förändring i X1 givet att du håller X2,X3,X4... etc konstant.

I stata använder du marginskommandot för att testa att hålla andra förklarande variabler konstanta vid e.x. sitt medelvärde. Ex. du vill testa sannolikheten att en person över 40 år har en riskabel portfölj, givet att portföljen är av storlek P. Emellertid kan du likväl bara räkna ut medelvärdet enkelt med normalfördelning (X*b), så får du den skattade sannolikheten.


Jag förstår inte varför sådana som du måste komma i varje sådan här tråd. Ni tillför inte ett jäkla dugg mer än att kritisera TS, det ger verkligen ingenting. Snälla sluta med det. Kan du inte tillföra tråden, skriv inte - så slipper vi även allt sådant här trams.

tog från medeltalet på alla portföljrisker och om det är över => 1 och under => 0

Hur mäts portföljriskerna från första början? Anledningen att jag frågar är att det finns en del problem med ovanstående förfarande. Ett klassiskt exempel är rökningens påverkan på barnens födelsevikt. Om vi definierar hög vikt som alla vikter över 3500g så kommer ett barn som väger 3499g att behandlas som 0 medan ett som väger 3501 behandlas som 1, när det i praktiken inte är någon klinisk skillnad mellan vikterna.