提问人：Michelle13 提问时间：6/23/2023 最后编辑：Michelle13 更新时间：6/23/2023 访问量：151
使用记录的因变量解释组之间的边距（在 reghdfe 之后）
Interpret margins (after reghdfe) across groups with logged dependent variable
问：
我想确定性别工资差距，并使用命令获得此值的线性估计值：reghdfe
ln_real_wage是实际年工资的自然对数。 男性个体返回 1，其他个体返回 0。 对于在高技能行业工作的个人，返回 1，在其他地方返回 0。 返回个人的年龄，当个人全职工作时返回 1，在其他地方返回 0。malehigh_skilled_chenagefull_time
eststo: reghdfe ln_real_income i.male##i.high_skilled_chen age age_2 i.full_time, absorb(i.province) vce(cluster id_numeric)
这是输出：
然后，我运行预测利润率，以获得男性和女性之间的差异，具体取决于他们工作的部门（无论是否是高技能部门）。
eststo margin: margins, over(i.male i.high_skilled_chen) post
如何获得在高技能部门工作的男性和女性之间的工资差异百分比以及在低技能部门工作的男性和女性之间的工资差异百分比（使用预测边际）？
答：
1赞
user21948178
6/23/2023
#1
您的基础组是非熟练女性工人。您可以重新运行回归，将基础组更改为熟练的男性工人或女性技术工人。在我的示例中，我将男性技术工人设置为基本类别（将基本类别从 0 更改为 1）：-> 。b1i.male##i.high_skilled_chenib1.male#ib1.high_skilled_chen
可以转换行中的系数，为您提供高技能男性和女性工人之间的百分比差异。考虑到系数的大小，我不会使用百分比，而是使用百分比解释（您可以阅读详细信息，例如此处）。您需要替换为 的系数。例如，如果系数是，那么你可以说女性技术工人的平均收入比熟练男性工人高出 35%。male#high_skilled_chen0 1100*b(exp(b)-1)*100b0.male#1.high_skilled_chen0.3
顺便说一句，最好使用未转换的工资而不是对数工资，因为您可能有不工作的人，因此年收入为零，这不能用对数工资建模。在技术方面，如果你的原始模型抑制了异方差性，那么你使用的对数级模型是不一致的（例如，参见此处）。通过指定，您可以隐含地假设这一点。ppmlhdfereghdfecluster()
评论
0赞
Michelle13
6/23/2023
非常感谢。有没有办法使用预测边际获得男性和女性之间的百分比差异？例如？@Maultasche(exp(11.531) - exp(11.465)/exp(11.465))*100
0赞
6/24/2023
我认为，由于 Jensen 不等式，使用预测边际可能会导致错误。本文也对此进行了解释。但是，您仍然可以使用 的预测边际，因为此函数估计的模型估计的是相同的模型，但在原始尺度上（Jensen 不等式没有问题，因为您在正确的尺度上）。ppmlhdfe
评论