如何用reghdfe的预测边际计算不同技能行业男女工资百分比差异？

你已经通过margins, over(i.male i.high_skilled_chen) post得到了四个分组的预测边际值：

• 低技能行业女性（male=0, high_skilled_chen=0）
• 低技能行业男性（male=1, high_skilled_chen=0）
• 高技能行业女性（male=0, high_skilled_chen=1）
• 高技能行业男性（male=1, high_skilled_chen=1）

以下是具体计算方法：

1. 低技能行业的男女工资百分比差异 #

近似值计算（常用） #

因为被解释变量是对数形式，两组对数工资的差异乘以100即可近似为百分比差异，直接用lincom命令计算并检验：

lincom _b[1.male#0.high_skilled_chen] - _b[0.male#0.high_skilled_chen]

输出的系数结果乘以100，就是低技能行业男女工资的近似百分比差异，同时会给出标准误和显著性检验结果。

精确值计算 #

若工资差距较大，可通过指数转换得到精确百分比：

* 恢复边际估计结果
estimates restore margin
* 提取两组边际值
scalar m00 = _b[0.male#0.high_skilled_chen]
scalar m10 = _b[1.male#0.high_skilled_chen]
* 计算精确百分比差异
scalar low_skill_gap = (exp(m10) - exp(m00))/exp(m00)*100
display "低技能行业男女工资百分比差异：" low_skill_gap "%"

2. 高技能行业的男女工资百分比差异 #

近似值计算 #

同样用lincom直接计算组间对数工资差异：

lincom _b[1.male#1.high_skilled_chen] - _b[0.male#1.high_skilled_chen]

系数乘以100即为高技能行业男女工资的近似百分比差异。

精确值计算 #

scalar m01 = _b[0.male#1.high_skilled_chen]
scalar m11 = _b[1.male#1.high_skilled_chen]
scalar high_skill_gap = (exp(m11) - exp(m01))/exp(m01)*100
display "高技能行业男女工资百分比差异：" high_skill_gap "%"

简化方法：直接用margins计算边际效应 #

可以跳过over()选项，直接指定技能行业分组，一步得到性别对工资的边际效应：

margins, dydx(male) at(high_skilled_chen=(0 1)) post

输出结果中，at(high_skilled_chen=0)对应的就是低技能行业的性别工资差异（对数形式），at(high_skilled_chen=1)对应高技能行业的差异，两者分别乘以100即可得到近似百分比差异，同时自带统计检验。

内容的提问来源于stack exchange，提问作者Michelle13