Stata - 图示调节效应

萌糍粑 2019-03-22

展开全文

特别说明

文中包含的链接在微信中无法生效。请点击本文底部左下角的【阅读原文】，转入本文【简书版】。

实证分析中，交乘项的使用非常的普遍。关于调节作用的讲解已经较为详实，具体可以点击以下链接进行了解，本文主要说明如何通过 Stata 绘图呈现调节作用。
Stata：交乘项该如何使用？

1. 期刊论文中的调节效应图

一般我们在检验调节（交互）作用的时候，得到回归结果之后往往需要在文章中附上调节作用图，能够直观的从图形上观察到调节效应。

示例 1： Li, J., & Tang, Y. (2010). CEO Hubris and Firm Risk Taking in China: The Moderating Role of Managerial Discretion. Academy of Management Journal, 53(1), 45–68. [PDF]

解读：横轴表示 CEO 的自负程度，纵轴表示企业风险偏好程度。可以非常明显的看出，在行业丰腴较高的情况下，自负 CEO 对于公司风险偏好的影响强于在行业丰腴程度较低的情况下，自负 CEO 对于公司风险偏好的影响。

示例 2： 李绍龙, 龙立荣, 贺伟. 高管团队薪酬差异与企业绩效关系研究:行业特征的跨层调节作用[J]. 南开管理评论, 2012, 15(4):55-65. [PDF]

解读：横轴表示高管垂直薪酬差异，纵轴表示企业绩效。从图中可以看出，在低水平薪酬差异的情况下，垂直薪酬差异对于企业绩效的影响强于在高水平薪酬差异的情况下，垂直薪酬差异对于企业绩效的影响。

2. 如何绘调节效应图？

下面将介绍两种方法绘出调节（交互）作用图，分别以 Excel 和 Stata 作为实现工具。

2.1 在excel中绘出交互图

在 Courser 有一门关于数据分析的课程叫做：Understanding Your Data: Analytical Tools。这门课程中有讲到如何 excel 做出调节作用的图像，可直接点击 [Interpreting interaction effects] 下载作者已经制作好的 excel 模板，制作出的效果如图 3 所示。

知乎上网友详细说明了使用方法，参见
「用EXCEL画交互效应图」。文中提供的资料已经陈诉的十分详实，也因本文主要讲解在Stata中绘制调节效应图，此处便不过多赘述。

2.2 在 Stata 中绘出交互图

在 Stata 中可以很方便地实现同样的绘图效果。好处在于能够保证结果的可复制性，也能够少去复制到 excel 进行操作的麻烦。

基本原理

Stata 中绘出同样的图像，我们需要先明白绘图的原理。

图三中High IV(自变量) 与Low IV(自变量)是分别指在自变量均值上加减一个标准差
High Moderator(调节变量）与Low Moderator(调节变量)也是分别指调节变量在均值上加减一个标准差
用计算所得的数值进行两两组合，组合结果如下表

	High IV	Low IV
High Moderator	A	B
Low Moderator	C	D

计算组合结果（A、B、C、D点）在回归方程上的预测值

Stata 实现

首先,我们选用 auto.dta 数据集，进行一个调节效应的回归，并将结果保存下来。

sysuse auto, clear
regress price c.length##c.mpg //调节效应回归
est sto regression //保存结果

其次，分别求自变量以及调节变量在均值上加减一个标准差的值

//分别求自变量与调节变量加减一个标准差的值
foreach v of var length mpg {
  su `v' if e(sample)
  local low_`v'=r(mean)-r(sd)
  local high_`v'=r(mean)+r(sd)
}

在调回保存的回归结果，再利用 margins 命令求取预测值，并用 marginsplot 绘制图形：

est restore regression //调取保存的回归结果
margins , at(mpg=(`low_mpg' `high_mpg') ///
length = (`low_length' `high_length')) //计算边际效应
marginsplot , xlabel(`low_mpg' 'Low IV' `high_mpg' 'High IV') ///
ytitle('Dependent variable') ///
ylabel(, angle(horizontal) nogrid) ///
legend(position(3) col(1) stack) ///
title('') noci

运行完上述命令后，得到如下图形。

进一步美化图形

对图形的调整主要是对图形选项进行调整，具体选项可以在 stata 中输入 help marginsplot 查看官方的帮助命令。下面列举一些常用的设定：

控制图形四周留白： 比如我们希望图形 y 轴包含的范围更广，让直线不要完全充满整个图形，可以通过调整 ylabel 选项以及 xlabel 选项调整显示的宽度与高度。
坐标轴刻度： 图 4 的 y 轴显示范围采用的是 stata 的默认设定：取值范围为 3000 至 8000，间隔为 1000。我们可以通过在 ylabel 选项中加入 2000(1000)9000，表明 y 轴显示范围为 2000 至 9000，间隔为 1000。
横轴的显示效果： 图 4 的 x 轴仅显示两点（'Low IV' 'High IV'），为了调整直线所处的左右距离，可以修改 xlabel 选项，调整直线所处的距离。

下面是修改后的代码：

//分别求自变量与调节变量加减一个标准差的值
foreach v of var length mpg {
   su `v' if e(sample)
   local low_`v'=r(mean)-r(sd)
   local high_`v'=r(mean)+r(sd)
}
. est restore regression //在调取保存的回归结果
*-y轴的范围从2000至10000，间隔为1000
. margins , at(mpg=(`low_mpg' `high_mpg') ///
            length = (`low_length' `high_length')) //计算边际效应
. marginsplot,  ///
   xlabel(13 ' ' `low_mpg' 'Low IV' `high_mpg' 'High IV' 30 ' ') ///
   ytitle('Dependent variable')            ///
   ylabel(2000(1000)9000, angle(0) nogrid) ///
   legend(position(3) col(1) stack)        ///
   title('') noci