Finne predikert verdi for responsvariabel

Skriptet under viser hvordan man kan bruke opsjonen margins() til å automatisk hente ut predikert verdi for responsvariabelen i en lineær eller binær regresjonsmodell. Den beregnes etter tradisjonell metode, ved å putte inn gjennomsnittsverdier for de respektive forklaringsvariablene i modellen. Disse multipliseres med de respektive koeffisientestimatene og summeres til slutt sammen med konstantleddet. For binære modeller som genereres via logit og probit foretas det en transformering slik at den predikerte verdien kan tolkes på samme måte som for regress. Skriptet viser også hvordan man kan beregne den predikerte verdien for responsvariabelen på manuell måte slik som beskrevet.

 require no.ssb.fdb:34 as db

create-dataset regresjonsdata
import db/INNTEKT_WLONN 2022-12-31 as lønn
import db/INNTEKT_BER_BRFORM 2022-12-31 as formue
import db/BEFOLKNING_FOEDSELS_AAR_MND as faarmnd
import db/BEFOLKNING_KJOENN as kjønn
import db/BEFOLKNING_STATUSKODE 2022-01-01 as bosattstatus

keep if bosattstatus == '1'

generate alder = 2022 - int(faarmnd/100)
generate mann = kjønn == '1'
generate høylønn = lønn > 800000
generate høyformue = formue > 4000000


//------------------- regress ---------------------

//Henter ut predikert verdi for hele analysepopulasjonen
regress lønn alder mann formue, margins()

//Henter ut predikert verdi for gruppene menn vs. kvinner gjennom å bruke dummyvariabelen mann
regress lønn alder mann formue, margins(mann)

//Henter ut alternative individuelle prediksjonsverdier gitt de individuelle verdiene på forklaringsvariablene
regress-predict lønn alder mann formue, predicted(pred1)

//Finner gjennomsnittsverdier - viktig at populasjonen er nøyaktig den samme som for regresjonsmodellen
summarize lønn alder mann formue pred1 if !sysmiss(lønn) & !sysmiss(alder) & !sysmiss(mann) & !sysmiss(formue)

//Manuell utregning av marginsestimater (predikerte Y-verdier) - bruker verdiene som genereres av summarize over
generate konst = 232295.022774
generate b_alder = 5311.799072
generate b_mann = 140398.92883
generate b_formue = 0.001129
generate snitt_alder = 42.155463260696
generate snitt_mann = 0.521736587496133
generate snitt_formue = 2862060.6319129

generate ypred_reg = konst + b_alder*snitt_alder + b_mann*snitt_mann + b_formue*snitt_formue 
generate ypred_reg0 = konst + b_alder*snitt_alder + b_formue*snitt_formue
generate ypred_reg1 = konst + b_alder*snitt_alder + b_mann + b_formue*snitt_formue

//Manuelt beregnede prediksjonsverdier totalt og for gruppene menn vs kvinner
summarize ypred_reg ypred_reg0 ypred_reg1


//------------------- logit -----------------------
logit høylønn alder mann høyformue, margins()
logit høylønn alder mann høyformue, margins(mann)
logit-predict høylønn alder mann høyformue, predicted(pred2)

summarize høylønn alder mann høyformue pred2 if !sysmiss(høylønn) & !sysmiss(alder) & !sysmiss(mann) & !sysmiss(høyformue)

replace konst = -3.412074
replace b_alder = 0.013134
replace b_mann = 1.022665
generate b_høyformue = 1.748605
replace snitt_alder = 41.6484
replace snitt_mann = 0.5215
generate snitt_høyformue = 0.241

generate ypred_log = konst + b_alder*snitt_alder + b_mann*snitt_mann + b_høyformue*snitt_høyformue
generate ypred_log0 = konst + b_alder*snitt_alder + b_høyformue*snitt_høyformue
generate ypred_log1 = konst + b_alder*snitt_alder + b_mann + b_høyformue*snitt_høyformue

replace ypred_log = 1 / (1 + exp(0-ypred_log))
replace ypred_log0 = 1 / (1 + exp(0-ypred_log0))
replace ypred_log1 = 1 / (1 + exp(0-ypred_log1))

summarize ypred_log ypred_log0 ypred_log1


//------------------- probit ----------------------
probit høylønn alder mann høyformue, margins()
probit høylønn alder mann høyformue, margins(mann)
probit-predict høylønn alder mann høyformue, predicted(pred3)

summarize høylønn alder mann høyformue pred3 if !sysmiss(høylønn) & !sysmiss(alder) & !sysmiss(mann) & !sysmiss(høyformue)

replace konst = -2.008393
replace b_alder = 0.008738
replace b_mann = 0.563674
replace b_høyformue = 0.993583
replace snitt_alder = 41.6484
replace snitt_mann = 0.5215
replace snitt_høyformue = 0.241

generate ypred_prob = konst + b_alder*snitt_alder + b_mann*snitt_mann + b_høyformue*snitt_høyformue
generate ypred_prob0 = konst + b_alder*snitt_alder + b_høyformue*snitt_høyformue
generate ypred_prob1 = konst + b_alder*snitt_alder + b_mann + b_høyformue*snitt_høyformue

replace ypred_prob = normal(ypred_prob)
replace ypred_prob0 = normal(ypred_prob0)
replace ypred_prob1 = normal(ypred_prob1)

summarize ypred_prob ypred_prob0 ypred_prob1