DiplVW hat geschrieben:Nun gibt mir ja dieser marginale Effekt an, wie sich die Wahrscheinlichkeit, dass eine bestimmte Kategorie zutrifft, ändert, wenn der Dummy von 0 auf 1 springt, richtig?
Eigentlich nicht. Ein Marginaleffekt ist der Effekt von X auf Y, wenn sich X um e ändert, wobei e ->lim 0. Im Grunde ist es die Steigung in einem Punkt. Wenn der Marginaleffekt die Steigung in einem Punkt ist, ein Dummy aber nur zwei distinkte Werte annhemen kann, folgt, dass die Berechnung marinaler Effekte für Dummies unsinnig ist. Es ist aber duchaus möglich (und wahrscheinlich), dass Dein Statisitkprogramm so clever ist, bei der Anforderung eines marginalen Effekts für einen Dummy automatisch den Einheitseffekt (i.e. Veränderung von 0 auf 1) auszugeben. Alles andere ist m.E. nicht sinnvoll zu interpretieren.
Dazu sollte ich aber sagen, dass ich Marginaleffekte im Allgemeine sehr unanschaulich/unintuitiv finde. Ich würde Logit schätzen und OR interpretieren. Mag Fachspezifisch sein, ich weiß die Ökonomen mögen ihre Marginaleffekte.
Was mich interessieren würde ist, ob ich diese marginalen Effekte auch untereinander vergleichen kann. Wenn bspw. der marginale Effekt bei Kategorie 1 höher ist als bei Kategorie 3, kann man dann sagen: Die Wahrscheinlichkeit, dass Kategorie 3 anstatt Kategorie 1 zutrifft ist um die Differenz der marginalen Effekte niedriger, wenn der Dummy den Wert 1 statt den Wert 0 annimmt?
Verstehe ich nicht. Was sind denn die Kategorien? Wenn Du ein "standard" orderd Probit/Logit schätzt, dann bekommst Du für den Dummy
einen Koeffizienten über alle Kategorien/Ausprägungen des Outcomes.
Als Literatur kann ich Long (1997) empfehlen. Wenn Du mit Stata arbeitest, zusätlich das mit seinem Kollegen Freese (2006). Ist etwas weniger "technisch" dafür mit vielen Anwendungsbeispielen. In beiden Büchern wird die Interpretation nicht-linerer Modelle anhand verschiedener Maße (u.a. Marginale Effekte) ausführlich diskutiert.
Long, J. Scott. 1997: Regression Models for Categorical and Limited Dependent Variables.
Sage Publications: Thousand Oaks.
Long, J. Scott/Freese, Jeremy. 2006: Regression Models for Categorical Dependent Variables
Using Stata. Stata Press: College Station.
Stata is an invented word, not an acronym, and should not appear with all letters capitalized: please write “Stata”, not “STATA”.