互助问答第78问 工具变量的边际效应问题
互助问答第62问 工具变量
问题1：用截面数据研究var1对y1 与y2 的影响，由于y1是0-1型的变量、y2为连续变量，因此分别用probit与tobit模型做了回归，首先做了基础回归，之后做了工具变量回归，但工具变量回归的结果（系数的绝对值）却远远大于原回归系数的绝对值，|-2.006|>|-0.046|，为何工具变量回归后系数比原来大了这么多，出现这种情况的原因是什么？应该怎么办？是我的工具变量选取的问题吗？还是别的原因？
回答1：
首先第一个问题，IV-Probit 和Probit的系数是不能直接比的，因为二元选择模型涉及到normalize，两者的系数之间差了一个倍数。
如果真的要比，建议比较（average）partial effects或者partial effects on average。
其次，本身使用工具变量后，由于可用的variation少了，所以方差会更大，结果也会倾向于不稳定。
特别是当工具很弱的时候，结果
会非常不稳定。
你的第一阶段虽然工具变量很显著，不过没有汇报F 值之类的，所以也不知道是不是因为工具变量太弱。
最后，也有可能本来效应就有这么大，说不准。
边际效应公式
边际效应公式全文共四篇示例，供读者参考第一篇示例：边际效应公式是在经济学中常见的一个概念，用于描述一个经济变量增加一个单位时所带来的额外收益或成本。
边际效应公式被广泛应用于经济学领域中的多个方面，包括生产、消费、投资等。
在这篇文章中，我们将详细介绍边际效应公式的概念、意义和应用场景。
概念边际效应公式可以用来量化某个经济变量的增加一个单位时所带来的额外效果。
简单来说，边际效应可以理解为变化的速率。
当一个经济变量增加一个单位时，其带来的额外效果就是边际效应。
边际效应公式通常表示为：边际效应= ΔY / ΔXΔY 表示因变量的变化量，ΔX 表示自变量的变化量。
边际效应公式可以帮助经济学家分析某个经济变量的边际效应，从而更好地理解经济现象。
意义边际效应公式在经济学中有着重要的意义。
边际效应公式可以帮助经济学家评估某种政策或行为对经济的影响。
通过计算边际效应，我们可以了解增加一个单位的资源或改变某种政策对经济变量的影响程度，从而更好地指导政策制定。
边际效应公式还可以帮助企业做出经济决策。
企业在制定生产计划或定价策略时，可以通过计算产品边际成本和边际收益，找到最优的生产和销售策略，最大化利润。
应用边际效应公式在经济学中有着广泛的应用。
以下是一些常见的应用场景：1. 生产优化：企业在生产过程中需要考虑边际效应，以确保生产资源的有效利用。
通过计算生产要素的边际效益，企业可以确定最优的生产水平，提高生产效率。
2. 消费决策：个人在进行消费决策时也需要考虑边际效应。
通过比较商品的边际效用和价格，消费者可以找到最大化其福利的消费组合。
3. 投资决策：投资者在进行投资决策时需要考虑资产的边际效益。
通过计算投资项目的边际回报率，投资者可以选择最具吸引力的投资机会。
总结第二篇示例：边际效应公式是微观经济学中一个重要的概念，它描述了在一项经济活动中，当单位数量的输入或产出发生微小变化时，所产生的额外效果或影响。
边际效应公式能够帮助经济学家和企业领导人更好地理解决策对经济活动的影响，从而优化资源配置和提高效率。
经济学中的边际效应如何解释
经济学中的边际效应如何解释在我们的日常生活中，常常会有这样的体验：当我们非常饥饿的时候，吃第一个面包会觉得特别美味，带来极大的满足感；但随着吃的面包数量增加，每多吃一个面包所带来的满足感会逐渐减少。
这种现象在经济学中被称为“边际效应”。
边际效应，简单来说，就是在其他条件不变的情况下，每增加一单位的投入所带来的新增产出或者新增的满足程度。
为了更好地理解这个概念，让我们通过一些具体的例子来深入探讨。
假设你去商场购物，天气炎热，你口渴难耐。
此时，你买了第一瓶水，喝下去的瞬间，那种解渴的感觉让你感到无比舒适和满足。
这第一瓶水对你的价值是非常高的。
然而，当你接着喝第二瓶、第三瓶时，虽然也能解渴，但每多喝一瓶水所带来的满足感就不如第一瓶那么强烈了。
因为你的口渴程度逐渐减轻，对水的需求欲望也随之降低。
再比如，你喜欢听音乐。
当你第一次听到一首特别喜欢的新歌时，那种新鲜感和愉悦感是非常强烈的。
但如果让你反复听这首歌曲，听的次数越多，每次听所获得的愉悦感就会逐渐减少。
在生产领域，边际效应也同样存在。
一个工厂在增加工人数量时，起初，每个新增工人都能带来产量的显著增加。
但随着工人数量的不断增加，工厂可能会面临空间不足、管理混乱等问题，导致每个新增工人对产量的贡献逐渐减少。
边际效应的递减规律是普遍存在的，但也并非绝对。
在某些情况下，边际效应可能会保持不变甚至增加。
比如，对于一些成瘾性的商品，如香烟或毒品，每次消费所带来的满足感可能不会递减，甚至会增加。
但这种情况是特殊的，并且往往是不健康和不可持续的。
那么，边际效应对于我们的经济决策有什么重要意义呢？对于消费者来说，了解边际效应可以帮助我们更加理性地消费。
当我们购买商品或服务时，要考虑到随着购买数量的增加，每单位商品或服务所能带来的满足感是在逐渐减少的。
因此，我们不应该盲目地追求数量，而应该根据自己的实际需求和边际效应来做出决策。
比如，在购买衣服时，如果已经有足够多的类似款式，再购买更多可能并不会带来太大的价值提升。
互助问答第71问 工具变量
本期解答：慧航
编辑小编：统计小妹鹏飞
统筹小编：芋头 易仰楠
技术小编：知我者Βιβλιοθήκη 问题2：在使用工具变量进行估计后核心解释变量的系数取值变化较小但却变得不显著了，同时Hausman检验表明并不存在内生性。那么此时，应该以OLS的估计结果为准，还是以工具变量的估计结果为准呢？是什么原因导致两者估计系数的统计显著性存在如此大的差异呢？
回答2：即使Hausman检验不显著，也不能完全排除内生性。在统计里面，显著可以认为存在，但是不显著不能认为不存在，不显著仅仅可能是因为工具变量估计的方差太大了，没有足够的power来拒绝原假设。如果工具变量的估计跟OLS估计的系数几乎相同的话，可能不是好事情，因为弱工具、太多工具也会导致两者相差不大。
互助问答第36问 工具变量小议
问：工具变量到什么程度才合适？对短面板数据进行GMM回归的时候，遇到两种情况：①工具变量通过了弱工具变量检验、识别不足和过度识别检验，再用DM检验的时候还是显著的；②工具变量通过了弱工具变量检验、识别不足和过度识别检验，但用DM检验的时候不是显著的；看到连玉君教授的一篇文章，选了两个工具变量，汇报了工具变量通过了识别不足和过度识别检验，DWH检验显著。
由此，认为符合第一种情况表明选取的工具变量合适；但也不太确定，想听听您的看法。
答：工具变量方法经历了两个阶段的发展。
传统的工具变量方法中，在线性模型设定下，工具变量需要满足工具变量外生性和工具变量相关性两个假设，这在本科层次的计量教科书中一般都有涉及。
在这种情况下，满足这两个假设的变量才是合格的工具变量。
Imbens and Angrist（1994）一文的发表则将工具变量方法推向了新的阶段，在这一发展阶段，允许异质性处理效应存在，工具变量方法识别假设的提出和估计量的推导都是在Donald Rubin提出的潜在结果分析框架下进行的，此时IV估计的是局部平均处理效应，IV估计的有效性要求工具变量满足四个条件：（1）工具变量是随机产生的；（2）满足排他性约束；（3）满足单调性假设；（4）满足工具变量相关性。
严格的数学表达请参见Imbens and Angrist （1994）。
提问中提到的的“工具变量到什么程度才合适？”，准确的回答应该是满足上述四条假设才合适。
提问中提到的弱工具变量检验用于检验假设（4）；识别不足检验只需要满足工具变量的个数多余内生变量的个数，这个通常都是满足的；过度识别检验是在假设不存在异质性处理效应的情况下，检验工具变量是否外生的一种方法，该检验只有在存在过度识别（工具变量个数（用N表示）多于内生变量个数（用K 表示））的情况下才可以做，并且要求至少有K个工具变量已经满足外生性条件，这样才能检验剩下的N-K个变量是否外生。
因此，总结来看过度识别假设检验需要两个很强的假设：（1）至少有K个有效地工具变量；（2）不存在异质性处理效应，因此使用过度识别检验检验工具变量的外生性并不是一种可靠地方法，其检验结果能够提供的有效性信息并不多。
100个经济学知识——边际效应
100个经济学知识——边际效应还记得第一次望向大海内心的激动吗？还记得第一次和初恋接吻吗？还记得第一次去曼谷旅行吗？......没错，通常第一次给人的感觉是最新鲜最刺激印象最深刻的，随着投入、接触次数的增多，它带给你大脑的兴奋会逐渐减弱，比如你家后院的那颗枣树，你早就见怪不怪了，没有任何新鲜感了。
来，正式介绍边际效应之前，我们举个例子，假如你刚刚走完两万五千里长征，那么艰苦的日子：饿了啃树皮，吃观音土...已经一个月没有正经吃过饭了。
终于回到了家乡，乡亲们给端上了1000个馒头，假如，就给你一个人吃没错就给你一个人吃，这真的是把人高兴坏了，拿起馒头，手都不洗就开始啃了！吃第一个馒头，太爽了，太美味了！吃第二个馒头，爽，好吃！吃第三个馒头，好吃！吃第四个馒头，有点撑着了！吃第五个馒头，感觉肚子有点胀？！...吃到第八个馒头的时候，不行，肚子疼。
从第一个馒头，到吃第八个馒头，第一个是最能给你带来快乐的，而后续的每吃一个馒头，它所给你带来的快乐都会不断衰减。
进入正题，为什么同样的馒头，馒头和馒头的差别却如此之大呢？经济学家管这种叫边际效应的“递减现象”（递减是它的属性）。
因为商品价值本质上，只是代表人们心理感受，换句话说，就是“欲望被满足的程度”。
当消费者在一段时间内，连续消费某种相同商品时，所带来的满足感会越来越低，这时候，商品的价值在消费者眼中也就会越来越低。
更学术点的定义：是指其他投入固定不变时，连续地增加某一种投入，所新增的产出或收益反而会逐渐减少。
也就是说，当增加的投入超过某一水平之后，新增的每一个单位投入换来的产出量会下降。
所以，现在利用边际效应原理，你可以很轻松得回答下面的问题：世界上东西最好吃是什么？（回答自信点。
）答案是：饿RECOMMEND。
互助问答第164期：学员提问汇总（6）
互助问答第164期：学员提问汇总（6）
问题12：请问 DID 或 RD 可以处理空缺值吗？
问题13：工具变量要求与随机扰动项不相关，但是随机扰动项与y相关，工具变量与y 通过reduced form说明相关，那么也应该和随机扰动项相关啊，那么为啥工具变量会与ui不相关?
解答一：
DID 和RD 本质上就是线性回归，线性回归能处理的，他们都能处理。
解答二：
影响y的包括内生自变量和随机扰动项等。
工具变量与内生自变量高度相关，但与随机扰动项无关。
换句话说，工具变量只通过内生自变量影响y，而不会通过随机扰动项影响y。
互助问答第76问 分组回归、工具变量
问题：老师好！我在做实证时，发现加入控制变量和不加控制变量结果相反，而且都很显著，请问为什么会出现这种情况呢？谢谢！
回答：首先我要弄明白您的数据结构，看是面板数据还是截面数据。
加入和不加控制变量导致核心解释变量的估计结果与预期相反有可能是多重共线性所导致，这个在模型构建中应该通过经济学或是其他理论基础进行鉴定后筛选变量。
其二，这个也需要考虑到你的样本容量。
如果样本较小也会导致估计出现偏误。
具体可以参考伍德里奇《计量经济学导论》第五版教材中第五章渐近理论的推导。
其三也有可能是遗漏变量导致的内生性问题，这个需要代理变量或者是工具变量来解决。
通常情况，按照由易到难的解决方法，建议先在控制变量上进行处理，可以采取逐步回归法，逐一分析哪些变量导致估计出现偏误，然后再做下一步处理。
互助问答第137问 设置虚拟变量如何做工具变量处理
问题一：设置虚拟变量如何做工具变量处理
使用tobit模型回归时，被解释变量为连续变量，解释变量为分类变量，因研究重点需要将分类变量具体分析，因此将解释变量虚拟变量处理，回归时命令为tobit y i.x control, ll(0)，回归结果相当于分类变量具体分析：x1，x2，x3
涉及到解释变量分为三类分析，使用工具变量回归时在stata具体应如何处理可以得到如下结果？
答复一：不是很确定问题想表达的意思。
如果解释变量是x1, x2, x3三个虚拟变量，那么我们需要至少3个工具变量。
如果只有1个工具变量，可以根据研究的具体情况，考虑一下是否将x转换为一个连续变量处理。
互助问答 使用工具变量无内生性以及回归R平方缺失
互助问答使用工具变量无内生性以及回归R平方缺失本期解答人：Figo，匿名专业人士问：用一个工具变量时，内生性检验显示没有内生性问题；用两个工具变量时，就会检验出内生性，同时回归的R平方缺失。
请问怎么理解这些结果？答：这里涉及两个问题：第一，为什么使用不同工具变量，内生性检验的结果会不同；第二，为什么工具变量回归时，R平方会不显示。
关于第一个问题，首先，内生性检验比较的是OLS系数和工具变量回归系数。
在工具变量正确使用的前提下，如果两系数差异明显，则说明OLS系数是有偏差的，也就是说OLS回归中存在内生性问题；如果两系数差异不明显，则说明OLS估计出来的系数也是比较准确的，便不能肯定OLS回归有内生性问题。
大家不要过度迷信或依赖这个检验，这个检验本身并不能告诉您工具变量是否有效；如果工具变量选得不对，检验结果就不能说明任何问题。
此外，即便工具变量选得正确，不同工具变量的估计结果一般也会不同（因为工具变量回归结果本质上是“局部平均处理效应”（LATE）），进而可能会造成内生性检验的结果不同——这不能说明您的结果是对还是错。
我个人的看法（不一定正确）：这个检验实际上没什么用，我自己的研究从来不做该检验。
关于第二个问题，首先，R平方在工具变量回归中并不是一个重要指标。
工具变量回归的最大目的估计出没有偏差的因果效应，而不是找到尽力拟合数据的模型。
其次，如果工具变量回归不显示R平方，最大的可能是R平方算出来是个负数。
工具变量回归的第二阶段本质上是因变量对内生变量的预测值和其他外生变量的回归，单独基于这个回归计算出的R平方不会是负数。
但是，Stata在计算工具变量回归R平方时，会把内生变量的预测值替换为内生变量本身，这就不能保证R平方一定为正。
与上一题同理：显示不显示R平方、R平方是否为正并不能说明您工具变量回归系数是否可信。
互助问答第160问 关于引力模型估计方法的问题
老师您好！我想使用引力模型，因变量是我自己设定的一个随时间变化的变量（不再是原引力模型的因变量——出口额），核心解释变量是空间距离，不随时间变化，其他解释变量有的随时间变化，有的不随时间变化。
整体是一个面板数据。
我的问题是：使用系统GMM方法好，还是使用reghdfe（多维固定效应估计）好？如果使用系统GMM方法，是否可以使用现有变量的滞后项做工具变量，无须再寻找新的工具变量（太难找了）？感谢您百忙之中，为我解答疑问，谢谢！系统GMM 对应的是动态面板模型，reghdfe 对应的是静态面板模型。
使用哪种方法实际上需要判断模型应该是静态还是动态，这取决于因变量当期水平的高低是否很大程度上依赖于它自己的历史信息——这一点没有通用答案，要看具体的研究情况和数据形态。
一般来说，动态模型比静态模型更一般化，或者静态模型可以看做动态模型的特殊情况；但使用动态模型需要引入因变量的滞后项做自变量，这就人为引入了内生性问题，系数估计的一致性需要更多前提条件得以满足。
因此，选择哪类模型是需要权衡的。
建议回到数据（特别是因变量）形态或理论机制，如果有证据表明因变量在时间维度上的演变在很大程度上依赖自身的历史水平（自变量的演变不足以解释因变量的演变），那么就选择动态模型；否则就选择静态模型。
如果使用动态模型方法（例如系统GMM），因变量滞后项的工具变量是Stata 自动选择的，无需手动操作；如果你说的内生变量是其他自变量，也可以使用它们自己的滞后项做工具变量，不过这个需要在Stata 命令中手动设定工具变量（xtdpdsys 命令帮助文件的举例中有体现，手册中有更具体的解释，可参考。
）。
做完系统GMM 命令，可以检验误差项的序列相关性或者工具变量的过度识别，进而判断模型设定或工具变量是否有效。
学术指导：张晓峒老师本期解答人：中关村大街统筹：易仰楠编辑：孙婷婷技术：林毅赵雅轩。
边际效应文档
边际效应1. 介绍边际效应是经济学中一个重要的概念，指的是某个变量的微小变动对结果产生的影响。
边际效应可以帮助我们理解经济现象，分析决策的后果，以及优化资源配置。
本文将介绍边际效应的定义、应用和计算方法，并提供一些实际应用案例。
2. 定义边际效应可以用数学公式来表示，即边际效应=ΔY/ΔX，其中ΔY表示结果的变动，ΔX表示变量的微小变动。
边际效应衡量了变量的微小变动对结果的影响程度。
当边际效应大于零时，表示变量的微小增加会导致结果的增加；当边际效应小于零时，表示变量的微小增加会导致结果的减少。
3. 应用边际效应在经济学中有广泛的应用。
以下是几个常见的应用场景：3.1 生产经济在生产经济中，边际效应可以帮助企业评估投入资源的最优方案。
例如，在农业生产中，农民可以通过计算每单位土地的边际效应来确定种植作物的最佳面积。
当每单位土地的边际效应下降到一个较低水平时，进一步增加土地的利用对农民而言并不划算。
3.2 消费经济在消费经济中，边际效应可以帮助消费者做出最佳消费决策。
例如，当消费者考虑购买额外一件商品时，他们可以评估该商品的边际效应。
如果边际效应大于商品的价格，则消费者会认为购买该商品是划算的。
反之，如果边际效应小于商品的价格，则消费者可能会放弃购买。
3.3 市场经济在市场经济中，边际效应是供需关系的重要衡量指标。
当产品的供给增加或需求减少时，市场价格会受到边际效应的影响。
供给增加会导致产品价格下降，而需求减少则会导致产品价格上升。
供需关系的边际效应可以帮助企业预测市场价格变动和市场需求趋势。
4. 计算方法计算边际效应的方法主要有两种：差分法和微积分法。
4.1 差分法差分法是通过计算变量的微小变动对结果的实际变动来计算边际效应。
具体步骤如下：1.设定变量的初始值。
2.增加变量的微小变动，计算结果的变动。
3.计算结果的边际效应，即结果的变动除以变量的微小变动。
4.2 微积分法微积分法是通过计算函数的导数来计算边际效应。
什么叫边际效应？
什么叫边际效应？
边际效应，又称边际贡献，指的是投入与产出的关系！
边际效应指的是，在其它投入固定不变的前提下，连续增加某种投入时，所带来的收益和产出反而会减少！
也就是增加某种投入到一定水平后，每增加一单位的投入所带来的产量会减少！
通俗点说，边际效应就是
你对某种事物很向往喜欢，你第一次接触得到体验，带来的心里满足感是最最强烈的
第二次接触，感觉还好
第三次接触，差不多
第四次，一般
第五次，不行……
就是随着你接触体验的越来越多，带给你的感觉就越来越少！
当然，边际效应也有递增一说，通俗点说就是
你要收集一套卡片，全部收集齐全可以兑换大奖，当你收集到最后一张卡片时，它带给你的感受是最开心的，边际效应是最大的！
边际效应大致来说，广泛应用于经济学中，在经济学中叫“边际效应递减”
同时，边际效应广泛存在于各行各业，在各行各业中都有体现：
科技投资，美国曾为解决航天员太空书写问题，投入数亿美元，而前苏联换了只铅笔就解决了这个问题！
企业管理，企业通过一味的涨薪的方式，鼓励人才留下，激励员工更加卖命工作，第一次涨薪作用很大，随着涨薪的次数增加，激励带来的效果就变弱了！
边际效应，也可适用于心理学，研究人们的心理，在生活中到处可见，都可用边际效用来解释！
1.喝酒！喝第一口酒，真好喝！越喝感觉越难喝！
2.谈恋爱！初恋永远是美好的，给人的感觉都是记忆犹新的，后来谈的对象都没以前那种感觉了！
3.吃饭！饿了刚吃各种美食，哇塞太好吃了，几口下去，感觉也就一般，接着都该挑剔了！
4.听歌！当你第一次听这首歌时，感觉很好听，听的次数越多，你就会觉得越来越一般，甚至听够了，不想听！
诸如以上的例子，生活中太多了，处处可见！。
边际效应（你投入的越多，收获越小）
边际效应（你投入的越多，收获越小）
边际效应是什么？
一个爱吃的美食，天天吃，慢慢会变得厌倦；一首爱听的歌，不断循环播放，就开始不喜欢了；很多事情，偶尔做，会非常开心，但是一直做，就会变得乏味。
这就是边际效应。
边际效应是指我们的投入与产出关系有悖常理的，不安及效应表达的是投入越多，收获越小。
心理学中的边际效应
从心理学角度上来说，当我们对某种事物投入很强烈的情绪时，在我们第一次体验的时候，感情是最为浓烈的。
但是，第二次接触时，会淡一些，第三次，这种感情会逐渐变淡。
以此发展，我们接触该事物的次数也会越多，我们的情感体验也越为淡漠，一步步趋向乏味。
即便每个人都会喜欢讨好自己的人，但是不会选择和这样的人在一起，随着某一方付出的增多。
ta得到的回报却不会相应增加，一旦一直付出的这一方决定不再继续付出你就会永远地失去ta，只有偶尔的付出刺激，才能够真正调动ta的情绪。
边际效应的启示
1、不要用一件事情过度刺激情绪，凡事都要适度，过犹不及是有道理的。
2、情感中付出要拿捏住分寸，懂得克制，否则只会提高别人的价值，降低自己的地位。
3、教育孩子不要总是奖励奖品，否则未来奖励会变得不起作用。
4、人际相处中不要一味投入不懂索取，否则时间久了，别人不但不会感谢你，反而觉得这些都是理所当然。
生活、工作、人际交往中，懂得边际效应，一定能够让你避免很多“坑”。
互助问答第18问 工具变量
本期解答人：张川川老师
问：我最近在实证中遇到一个问题，我做的是公司财务方面的研究，需要
用到tobit模型，同时为了缓解内生性问题的困扰，需要进一步考虑加入公司固定效应，但是我找不到stata中考虑公司固定效应的tobit模型的命令，唯一一个类似的是xttobit，但是这个命令针对随机效应。
不知如何解决这个问题。
如能回答，不胜感激！
答：tobit模型为受限因变量模型，用于拟合删失数据或截断数据，通常采用MLE 估计。
tobit模型的参数估计方法无法控制固定效应，也没有对应的STATA命令。
这一点在STATA介绍xtobit命令时有专门的说明，同时在说明文件中也引介了针对含固定效应的tobit模型的半参数估计方法，即Honor（1992）（Honoré B.
E. 1992. Trimmed LAD and least squaresestimation of truncated and censored regression models with fixed effects.Econometrica 60: 533-565.）。
边际效应的相关问题ppt(20张)
式中的边际收入和边际成本是指在原产销量基础上，每增 加一个单位产销量所引起的收入变动额和成本变动额。
边际效应的相关问题(PPT20页)
边际效应的相关问题(PPT20页)
给大家讲一个例子
银行为什么需要增加VIP通道？ 因为这类客户的边际利润很高。 WHY?
边际效应的相关问题(PPT20页)
边际效应的相关问题(PPT20页)
问题一：新奥拓的故事
铃木的新奥拓上市后，销售价格在4.4-5.6万元之 间，受到许多消费者的喜爱，收到了很多消费者的 预定。但是因为产能有限，每个月总有一些消费者 买不到车。许多消费者甚至愿意加价3000元5000元，希望能够提前买到。
正常，不会再有什么特别的感觉。甚至是吻给多了， 反而有点厌倦甚至反胃了……
请同学们分别举一个例子说明，什么是边际 效应？
边际收入、边际成本和边际利润
边际收入、边际成本
边际收入指增加或减少一个单位的销售量所 引起销售收入总额的变动数。
所以边际成本就是每多生产一单位产品所增 加的成本。
边际成本(Marginal cost):
就是这个边际效应，物质消 费达到了一定的程度，人们 就开始对这种状况的消费会 产生一种厌倦的心理。
再来一个“边际效应”的例子
给你一个可爱多，你高兴的乱跳以为赚了， 接下来是第二个……可是一直给你，你会觉 得开始恶心了。
这有两个原因：一，你吃饱了，生理不需要 了，二，你吃腻了，刺激受够了。你希望有 个机会表白自己：“老大，给个哈根达斯也 好啊？”
边际成本的生产实例
比如，仅生产一辆汽车的成本是极其巨大的， 而生产第101辆汽车的成本就低得多，而生 产第10000汽车的成本就更低了（这是因为 规模经济）。
y对x的边际效应
y对x的边际效应边际效应您听说过吗？就像咱们吃东西，第一口那叫一个香，第二口也不错，可吃到后来，满足感就没那么强烈啦。
这和 y 对 x 的边际效应有点像呢！咱先来说说啥是边际。
您想想啊，您去爬山，越往上爬，每爬一步是不是就越费劲？这每一步的难度增加，就是一种边际的变化。
那 y对x 的边际效应呢，就是随着y 的增加，对x 产生的影响在逐渐变化。
比如说，您特别喜欢吃巧克力。
一开始给您一块，哇，那叫一个美！再给您一块，还是很开心。
可要是不停地给您，您是不是慢慢就觉得没那么兴奋了？这巧克力就好比 y ，您的满足感就是 x 。
一开始，巧克力增加，您的满足感大幅上升；可到后面，增加的巧克力带来的满足感提升就不那么明显了，甚至可能会觉得腻。
再举个例子，您工作加班，一开始加一个小时班能多赚不少钱，您觉得挺值。
可要是天天加班，加的时间越来越长，您是不是会觉得，多赚那点钱也不值得这么拼命了？这加班时间就是 y ，您觉得值不值就是 x 。
在生活中，这种边际效应无处不在。
您买衣服，买第一件的时候特兴奋，买多了也就觉得不过如此。
您学习新知识，刚开始学一点就感觉进步很大，学多了，每再学一点带来的提升就没那么明显了。
这就好比一个水池子，刚开始往里注水的时候，水位上升得很快。
可随着水越来越多，再往里加同样多的水，水位上升的速度就变慢了。
y 对 x 的边际效应不也是这样吗？那这边际效应对咱们有啥用呢？比如说您做生意，得考虑增加投入能带来多少回报。
要是边际效应递减得厉害，就得想想是不是该换个法子了。
您规划自己的生活，也得知道什么事情做到什么程度最合适，别一股脑儿地使劲儿，最后发现付出和收获不成正比。
您看，理解了 y 对 x 的边际效应，是不是能让咱们更聪明地做选择，更合理地安排生活和工作？别总闷着头往前冲，时不时停下来想想，这 y 对 x 的边际效应在起啥作用，咱们可不能稀里糊涂地过日子呀！所以，咱可得把这边际效应放在心里，让它帮咱把日子过得更明白，更精彩！。
互助问答第350期：利用工具变量法解决反向因果问题
互助问答第350期：利用工具变量法解决反向因果问题利用工具变量法解决反向因果问题（1）如果内生解释变量由一组虚拟变量组成，工具变量个数是否需要大于等于这组虚拟变量的个数呢？例如，研究交易模式对农户生产行为的影响，其中，交易模式与农户行为存在反向因果的嫌疑，在实证分析中将交易模式分别设置为四个0-1变量，分别为是否选择市场交易模式、是否选择中间商交易模式、是否选择合作社交易模式及是否选择企业交易模式，那么工具变量的选择是需要一个针对交易模式就可以，还是需要分别针对上面四个0-1变量各自选取工具变量？（2）某一内生变量的解释变量，其在实证分析中设置为多个虚拟变量和设置为一组无序离散选择变量存在什么差别呢？该如何选择？若设置为一组无序离散选择变量，该如何解读结果？例如，以上述为例，交易模式作为核心解释变量，其分别设置为4组0-1变量与设置为1，2，3，4一组变量的差异是什么，具体该如何选择？若可以选择为1，2，3，4的一组变量设置，其结果的解释是如何的呢？（3）工具变量是否存在共用问题？例如，若第一个问题的结果是需要分别对应设置工具变量，那么，交易模式为内生变量，其不同的交易模式（市场交易模式、中间商交易模式、合作社交易模式及企业交易模式）之间的工具变量是否可以共用？（4）研究顺序在实证分析过程中，内生性检验应处于哪个位置？是先进行实证发现不显著后再进行内生性检验，还是先进行内生性问题检验再进行内生性问题处理？（1）工具变量个数需大于或等于内生自变量的个数。
如果内生自变量有四个，则工具变量需至少有四个。
在你所述的问题中，内生自变量是交易模式；虽然有四个变量，反映的却可能是同一个决策过程，即在若干潜在模式中选择哪一个。
例如，某个外生因素决定个体更可能选择某种交易模式而非其他三种交易模式——在此种情形下，该外生因素就可以作为这四个0-1变量的工具变量。
总之，需要回到理论层面，思考交易模式是如何被影响和决定的，然后从影响因素中遴选出至少四个工具变量，不必先验地把这四个0-1变量割裂开来。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
背景：
老师好！我在Stata15中用ivprobit , twostep来处理内生性问题，执行
margins, dydx(*) predict(pr)命令后，stata提示“probabilities not available with two-step estimator”。
但当我去掉predict(pr)后，stata 报告的仍然是
ivprobit , twostep的估计系数。
随后我还尝试了ivprobit , vce( )，虽然MLE法可以用margins, dydx(*)
predict(pr)计算平均边际效应，但报告的结果中，不仅有内生变量的边际效应，还计算了工具变量的边际效应。
而且使用weakiv进行弱工具变量检验时，Stata却又要求使用twostep，因此陷入两难境地。
问题：
（1）有没有在ivprobit , twostep估计后，可以计算各个变量平均边
际效应的方法和命令？
回答：没有
（2）如果没有，我是否可以在研究中仅仅把ivprobit , twostep用于处理内生性问题，但不计算平均边际效应呢？对于ivprobit，边际效应是必
须报告的内容吗？
回答：边际效应不是必须报告的内容，你可以不计算平均边际效应。
（3）怎么理解ivprobit在MLE方法下计算的平均边际效应中，还报告了工具变量的边际效应，我在Stata的参考手册中所举的例子中也发现了这一现象，截图如下。
来自：stata15的参考手册1176页，ivprobitpostestimation——example 1回答：不需要关注工具变量的边际效应。