Stata：图示交互效应-调节效应

发布时间：2020-10-09 阅读 37133

Stata连享会主页 || 视频 || 推文 || 知乎

温馨提示： 定期清理浏览器缓存，可以获得最佳浏览体验。

✌ 课程详情： https://gitee.com/arlionn/Course | lianxh.cn

✨ 课程主页： https://gitee.com/arlionn/Course

作者：邓浩然 (上海财经大学)

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。

温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。

同主题推文

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 (Note：温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」)。

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。

图3 用EXCEL画交互效应图

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。

A. 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

B. 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

运行以上代码，得到如下图像

连享会计量方法专题……

3. 呈现调节作用的其他方式

当然还有很多方法呈现调节作用的效果，根据论文需要选择合适的方式。详情参见 Stata 连享会往期推文：

直播课程：实证研究设计 (2.4小时)

相关课程

连享会-直播课 上线了！
http://lianxh.duanshu.com

免费公开课：

直击面板数据模型 - 连玉君，时长：1小时40分钟
Stata 33 讲 - 连玉君, 每讲 15 分钟.
部分直播课课程资料下载 (PPT，dofiles等)

课程一览

支持回看，所有课程可以随时购买观看。

专题	嘉宾	直播/回看视频
⭐ 最新专题 ⭐		DSGE, 因果推断, 空间计量等
⭕ Stata数据清洗	游万海	直播, 2 小时，已上线
研究设计	连玉君	我的特斯拉-实证研究设计，-幻灯片-
面板模型	连玉君	动态面板模型，-幻灯片-
面板模型	连玉君	直击面板数据模型 [免费公开课，2小时]

Note: 部分课程的资料，PPT 等可以前往连享会-直播课主页查看，下载。

关于我们

Stata连享会 由中山大学连玉君老师团队创办，定期分享实证分析经验。直播间有很多视频课程，可以随时观看。
连享会-主页和知乎专栏，300+ 推文，实证分析不再抓狂。
公众号推文分类： 计量专题 | 分类推文 | 资源工具。推文分成 内生性 | 空间计量 | 时序面板 | 结果输出 | 交乘调节 五类，主流方法介绍一目了然：DID, RDD, IV, GMM, FE, Probit 等。
公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标，输入简要关键词，以便快速呈现历史推文，获取工具软件和数据下载。常见关键词：课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法 等