顶刊是如何炼成的|使用Stata绘制边际效应图
前言
这是顶刊如何炼成的第二期,这次内容会相对简单一些,绘制一张边际效应的图,感觉它的合并图片或许会是一个很有帮助的技巧,论文的出处是发表在《Journal of Development Economics》上的:
“Estimating development resilience: A conditional moments-based approach”。
它的原文以及数据连接是:https://www.sciencedirect.com/science/article/pii/S0304387818303511
主要是绘制它下面的这张图,并自己做了一些完善:
绘图过程
前期的数据处理
感觉这部分还是挺有意思的
*************
** MEAN EQ **
*************
svyset, clear
svyset hhid [pw=weight], strata(slocid) || hhid, strata(TLU_class)svy: glm TLU TLU_lag c.TLU_lag#c.TLU_lag c.TLU_lag#c.TLU_lag#c.TLU_lag ///c.TLU_lag#c.TLU_lag#c.TLU_lag#c.TLU_lag drought sex age c.age#c.age ///educ deprat i.relig i.settle, family(poisson)
est sto meanpredict mu1 //计算y的期望值
predict e, r //得到它们之间的差异*****************
** VARIANCE EQ **
*****************
gen e2 = e^2svy: glm e2 TLU_lag c.TLU_lag#c.TLU_lag c.TLU_lag#c.TLU_lag#c.TLU_lag ///c.TLU_lag#c.TLU_lag#c.TLU_lag#c.TLU_lag drought sex age c.age#c.age ///educ deprat i.relig i.settle, family(poisson)est sto var
predict mu2 //计算y的期望值
讲解:
- 首先通过
svyset, clear
,清楚在分析中可能保留的参数 - 通过
svyset hhid [pw=weight], strata(slocid) || hhid, strata(TLU_class)
设置了新的参数 family(poisson)
:通过poisson回归进行拟合,这里应该是因为数据中有很多的0值,而possion可以比较好的解决这个问题est sto mean
:将结果保存为meanpredict mu1
:得到拟合的结果。题外话,怎么查看回归得到的一系列参数?在stata中,回归出的结果,可以通过ereturn list
查看,可以得到:
绘图
下面开始就是绘图的代码:
//定义一些变量
gen alpha = mu2/mu1
gen beta = mu1^2/mu2
scalar wbar = 1
gen rho = .//通过循环进行绘图
forval i = 5(10)35 {scalar drop wbarscalar wbar = `i'replace rho = 1 - gammap(alpha, wbar/beta)svy: glm rho TLU_lag age educ deprat i.relig i.settle, family(binomial)margins, at((mean) TLU_lag=(0(3)70))marginsplot, xdimension(TLU_lag) xlabel(10(10)70) ylabel(0.2(0.2)1) ///recast(line) recastci(rarea) xti("Lagged TLU") yti("Resilience") ///ti("Wbar = `i'") saving(`i', replace)}
gr combine 5.gph 15.gph 25.gph 35.gph, ti("Predicted Resilience Dynamics")graph export "fig.eps", as(eps) replace
讲解:
scalar
是用于保存一些数值或者字符串svy: glm rho TLU_lag age educ deprat i.relig i.settle, family(binomial)
中依然通过possion(泊淞)回归margins, at((mean) TLU_lag=(0(3)70))
:TLU_lag变量的值从0到70等间隔地分成24个区间(即步长为3)xdimension(TLU_lag)
,指定边际效应图的横轴变量为TLU_lagrecast(line)
:边际效应通过直线连接recastci(rarea)
:置信区间通过阴影的面积表示saving(\
i’, replace)`:在stata中暂时保存图片为5、15、25、35gr combine 5.gph 15.gph 25.gph 35.gph, ti("Predicted Resilience Dynamics")
,使用这个命令,合并四张图片,并加上统一的标题- 最后一行,输出图片
就可以得到:
美化图片
这种图片现在的背景是灰色的,以及它的坐标图中,有横线,我们把他调整一下:
- 通过
graphregion(color(white))
设置背景颜色为白色 - 在xlabel中添加下列内容:
xlabel(10(10)70,nogrid)
,ylabel类似
最后完整代码为:
//定义一些变量
gen alpha = mu2/mu1
gen beta = mu1^2/mu2
scalar wbar = 1
gen rho = .//通过循环进行绘图
forval i = 5(10)35 {scalar drop wbarscalar wbar = `i'replace rho = 1 - gammap(alpha, wbar/beta) // CORRECT, compared to Matlabsvy: glm rho TLU_lag age educ deprat i.relig i.settle, family(binomial)margins, at((mean) TLU_lag=(0(3)70))marginsplot, xdimension(TLU_lag) xlabel(10(10)70,nogrid) ///ylabel(0.2(0.2)1,nogrid) ///recast(line) recastci(rarea) xti("Lagged TLU") yti("Resilience") ///ti("Wbar = `i'") graphregion(color(white)) /// saving(`i', replace)}
gr combine 5.gph 15.gph 25.gph 35.gph, graphregion(color(white)) ti("Predicted Resilience Dynamics")graph export "fig.eps", as(eps) replace
就可以得到:
结语
下一期的顶刊是如何炼成也已经写好了,会比这更加丰富一些,以及在写一些有意思的内容,感兴趣的朋友可以关注公众号
关注我们
感兴趣的朋友可以关注公众号:
数据线的非标准答案
希望分享一些想记录些数据分析中用到的Python,R,Stata;写作中用到的Markdown和Latex;社科论文学习中记下的计量和数理知识;机器学习和自然语言处理。
顶刊是如何炼成的|使用Stata绘制边际效应图相关推荐
- 诺奖得主本庶佑:CNS这些顶刊观点有九成不正确,不要盲从迷信,搞科研做到六个C更重要...
来源:科研大匠 整理翻译:思庐哲学 诺奖可说是国人心中一直的痛. 目前,在诺贝尔奖获奖国家中,美国堪称当之无愧的领头羊.截止发文,美国人已经获得了384枚诺贝尔奖!因此,近代以来,我们一直把目光聚焦在 ...
- 起源计划 | 抖音顶流是怎样炼成的?
这篇文章拖了很久,一直搁着没动笔,直到昨天某音平台把我的号给处理了,判定我视频中存在高危广告行为,处罚措施为"下架违规视频/禁止投稿10天/减少作品推荐/账号.视频搜索不可见",我 ...
- 知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2022)-SGCL-DTI:用于DTI预测的监督图协同对比学习
14.(2022.5.21)Bioinformatics-SGCL-DTI:用于DTI预测的监督图协同对比学习 论文标题: Supervised graph co-contrastive learni ...
- 一篇 CVPR 2022顶会论文是如何炼成的,顶会一作亲述
就在不久前,全球人工智能领域最具影响力的大会CVPR宣布,将2022年"最佳学生论文"奖颁给同济大学研二学生陈涵晟等人,这是CVPR自2001年设立最佳学生论文奖以来,获奖论文的第 ...
- CV顶会最佳论文得主分享:好论文是怎么炼成的?
点击下方卡片,关注"CVer"公众号 AI/CV重磅干货,第一时间送达 作者:胡瀚 | 已授权转载(源:知乎)编辑:CVer https://zhuanlan.zhihu.com ...
- 4年4篇顶刊顶会论文!清华开源肖像线条画生成代码,惟妙惟肖模仿人类作画...
视学算法报道 编辑:好困 [新智元导读]近日,清华大学提出的非成对人脸照片肖像线条画生成方法,被IEEE Transactions on Pattern Analysis and Machin ...
- MIT副教授赵宇飞团队登数学四大顶刊,华人作者中两位是本科生,最小的是00后...
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 梦晨 萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI 你 ...
- 北大数院校友最新成果登数学四大顶刊,偏微分方程突破,可用于W-GAN,现已回国任教中科大...
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 梦晨 萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI 数 ...
- 人工智能专业太卷,发不出好文章?看看顶刊审稿人怎么说...
上海得思科技 Mind-Predator technology 都说人工智能专业太卷,创新点难找,文章难写? 为此小编特意请教了一位发过多篇顶会的顶刊审稿人,他这样说: 许多初学者并不是真正懂得如何 ...
最新文章
- 使用LaTeX排版如何方便地引用多篇参考文献(不使用插件)
- asp.net C#压缩打包文件例子
- 每日一皮:从项目的开始到结束,开发人员的变化...
- ucontext族函数的使用及原理分析
- ios xcode文件前缀_IOS Xcode开发中 文件名的后缀名m,mm,cpp,h区别
- cgdb 不显示源码问题
- c# 取余数 浮点数_浮点数精度问题透析:小数计算不准确+浮点数精度丢失根源
- FineUIPro控件库深度解析
- JAVA基础之JDK、JRE、JVM关系
- git GUI管理工具 sourcetree使用
- Kubernetes系统架构演进过程与背后驱动的原因
- Java基本数据类型取值范围
- 日积月累,聚沙成塔……
- 1月16日云栖精选夜读 | 阿里P8架构师谈:Zookeeper的原理和架构设计,以及应用场景...
- SDU程序设计思维Week5-作业 B-TT's Magic Cat
- ACM / ICPC 在线OJ(Online judge)
- 路由器、交换机、服务器等网络设备常见故障及解决方法
- Kotlin use函数的魔法
- RK3588平台开发系列讲解(SATA篇)SATA驱动配置说明
- 【若泽大数据】MySQL命令详解
热门文章
- 电机PID控制和闭环控制
- 爬去豆瓣IP被封,用IP代理解决
- 华为-综合实验-模拟公司内部网络访问外网(EasyIP、RIP、OSPF)
- Proxifier+Fiddler 抓取PC客户端数据包
- [附源码]计算机毕业设计JAVA高校资源共享平台
- Android 锁屏后Service服务保活(支持9.0)
- DTU是什么?浅解DTU
- mysql如何按行数匹配,mysql-将许多行与SQL查询中的许多行匹配,并找到百分位数匹配?...
- 清华大学计算机学院92届韩松,清华大学计算机科学与技术系2020—2021学年度学生科协主席候选人名单公示...
- 轻松实现手机微信查看PLC数据,推送PLC故障