Stata：交乘项的对称效应与图示
作者：唐勇军 (河海大学)
邮箱：yjtang@126.com
编者按： 本文摘自以下论文，特此致谢。
Source： Berry W D, Golder M, Milton D. Improving tests of theories positing interaction[J]. The Journal of Politics, 2012, 74(3): 653-671. -online appendix- -replication files- -webpage- -pdf-
目录
1. 线性交互模型
2. 边际效应图示
3. 交互的对称性
4. 改进建议
5. 论文重现
5.1 研究背景
5.2 研究假设
5.3 模型设定
5.4 边际效应图示
5.5 附：绘图 Stata 代码
5.6 结论
6. 参考文献和扩展阅读
相关课程
课程一览
1. 线性交互模型
假设 与 在影响连续变量 时存在交互效应，那么我们可通过下式进行刻画：
其中， 用于反映交互作用， 对 的边际效应为：
由 (2) 式可知，除非交乘项的系数 为零，否则 的边际效应依赖于 的取值，或者 对 的边际影响是以 的取值为条件的。为了强调这种关系，我们将 的边际效应表示为 ，也可以用 表示当 等于特定值 时， 对 的边际效应。
2. 边际效应图示
图 1 直观地呈现了式 (2) 刻画的关系。其中，纵轴为 ，横轴为 ，并且假设 > 0 和 >0。由上可知：
当 时， 对 的边际效应为 ；
随着 的增加， 对 的边际效应也逐渐增大。从数值上看， 每增加一个单位， 对 的边际效应增加 。
3. 交互的对称性
对 的边际效应是以 为条件的，反过来，也可以认为 对 的边际效应是以 为条件的。具体来看， 的边际效应可以写成下式：
由式 (3) 可知，当 为零时， 的边际效应为 ，并随 的增加而增加。因此，交乘项系数 既表示 和 之间关系的斜率，也表示 和 之间关系的斜率。
由此，我们可以认为 对 的影响是以 作为条件，而 对 的影响则以 作为条件。正是这种固有的对称性使学者将 或 指定为条件变量，而将其他变量指定为被条件变量所影响的变量。
例如，当一个变量 是连续的，而另一个变量 是二分的，我们会自然认为 对 的影响在一种情形（）下不同于另一种情形 ()，从而将 作为条件变量。然而，事实是二元变量 的效果也随 变化。
具体来看，图 2 左边为 、 和 关系的三维图，右边为 图，并且假设 和 。
在图 2a 中，，表明当 时 的边际效应为 。 为正实际上意味着 对 的边际效应始终为正，并且随着 的增加，这种正效应会增强，当 达到最大值 100 时 对 的边际效应将达到 。上述过程在三维图中表示为，随着 取值变大， 对 的斜率也逐渐变陡。图 2b 和 2c 与 2a 类似，这里不再赘述。
4. 改进建议
正是由于交互作用的对称性，Berry 等 (2012) 建议在评估一个简单交互模型时，尽可能多做以下五项预测：
当 取最小值时， 的边际效应是 [正 负 零]； 当 取最大值时， 的边际效应是 [正 负 零]； 当 取最小值时， 的边际效应是 [正 负 零]； 当 取最小值时， 的边际效应是 [正 负 零]； 的边际效应 与 的关系是 [正 负]，反之亦然。
简而言之，无非要多考虑一下 的边际效应如何随 变化，或 的边际效应如何随 变化。例如：
在所有 值处， 的边际效应均为正，并且这种效应在 值最小时最强，随着 的增加而减小；
在 值最小时， 对 的边际效应为正；随着 的增加，这种效应在减小；在 的某个值处， 对 边际效应为零；当 值进一步增加时， 对 边际效应为负，并随 的增加这种负向效应也在增加。
5. 论文重现
5.1 研究背景
Kastner (2007) 研究了利益冲突和具有国际经济利益主体的实力对国家间贸易水平的影响。以往的研究表明，当国家之间存在政治利益冲突时，双边贸易会降低，但不同国家又有很大差异。之所以如此，Kastner (2007) 认为尽管各国领导人都希望减少与与自己利益不一致国家的贸易，但这也会受到拥有国际经济利益的国内主体的限制。因此，我们可以认为，当具有国际经济利益的国内主体拥有强大政治影响力时，利益冲突对贸易影响会相对较小。
由于无法直接衡量具有国际经济利益主体的政治影响力，Kastner (2007) 用各国贸易壁垒作为该政治影响力的反向指标，即贸易壁垒越高，该利益主体政治影响力越小，反之亦然。
5.2 研究假设
无论贸易壁垒强度如何，利益冲突对贸易的边际效应都是负的；并且，在贸易壁垒强度最小时，这种负面影响最弱；随着贸易壁垒强度增大，这种负面影响也加强。
上述假设可得出以下预测：
当贸易壁垒强度最低时，利益冲突对贸易的边际效应为负；
当贸易壁垒强度最高时，利益冲突对贸易的边际效应为负；
利益冲突的边际效应与贸易壁垒负相关，反之也成立。
5.3 模型设定
其中， 为双边贸易水平， 为利益冲突， 为贸易壁垒强度， 为利益冲突和贸易壁垒强度交乘项， 为控制变量。
实证结果也显示， 的系数在 1% 的统计水平上显著为负。
5.4 边际效应图示
以上部分为 Kastner (2007) 文中内容，Berry 等 (2012) 在此基础上，增加了边际效应图来进一步说明问题。
图 3a 为利益冲突对贸易的边际效应。可以看出，在贸易壁垒较低时，即具有国际经济利益的国内主体政治影响力强时，利益冲突对贸易的边际效应为正；而当贸易壁垒较强时，即具有国际经济利益的国内主体政治影响力弱时，利益冲突对贸易的边际效应为负。
上述结论与 Kastner (2007) 假设还是有冲突的，并且 Kastner (2007) 也没有在文章中对「在贸易壁垒较低时，即具有国际经济利益的国内主体政治影响力强时，利益冲突对贸易的边际效应为正」进行解释。
图 3b 为贸易壁垒对贸易的边际效应。根据 Kastner (2007) 文中假设和交互效应的对称性，我们可以得到如下假设：
无论利益冲突取何值，贸易壁垒对贸易的边际效应都是负的；并且，在利益冲突最小时，这种负面影响最弱；随着利益冲突增加，这种负面影响也加强。
上述假设可得出以下预测：
当利益冲突最低时，贸易壁垒对贸易的边际效应为负；
当利益冲突最高时，贸易壁垒对贸易的边际效应为负。
可以看出，图 3b 有力的支持了上述预测。
5.5 附：绘图 Stata 代码
*数据地址* https://sci-hub.se/10.1177/0022002707302804*-or* https://gitee.com/arlionn/data/blob/master/data01/TradeConflict.zip*-Note: 请右击后另存，不要直接打开。
use TradeConflict.dta, clearrename lnrtrade traderename logUNsun conflictrename logAvBCFE tradebarriersrename lnBlnUN conflict_tradebarriers
reg trade conflict tradebarriers conflict_tradebarriers /// laglnrtrade lnrgdpab lndist lnrpciab avremote landlocked /// island landratio pciratio jointdem, cluster(undirectedcode)
matrix b=e(b)matrix V=e(V)scalar b1=b[1,1]scalar b2=b[1,2]scalar b3=b[1,3]
scalar varb1=V[1,1]scalar varb2=V[2,2]scalar varb3=V[3,3]
scalar covb1b3=V[1,3]scalar covb2b3=V[2,3]scalar list b1 b2 b3 varb1 varb2 varb3 covb1b3 covb2b3
centile tradebarriers if e(sample), centile(20 80)scalar p20=r(c_1)scalar p80=r(c_2)gen p20=p20gen p80=p80
generate MVZ=((_n-1)/100)replace MVZ=. if _n>414 | _n<97gen conbx=b1+b3*MVZ if _n<414gen consx=sqrt(varb1+varb3*(MVZ^2)+2*covb1b3*MVZ) if _n<414
gen ax=1.96*consxgen upperx=conbx+axgen lowerx=conbx-ax
generate MVX=((_n-1)/100)replace MVX=. if _n>110
gen conbz=b2+b3*MVX if _n<110gen consz=sqrt(varb2+varb3*(MVX^2)+2*covb2b3*MVX) if _n<110
gen az=1.96*conszgen upperz=conbz+azgen lowerz=conbz-az
gen yline=0
graph twoway hist tradebarriers, width(0.1) percent color(gs14) yaxis(2) /// || rarea p20 p80 lowerx if lowerx>-0.51 & lowerx<0.51, horizontal sort color(gs12) /// || line conbx MVZ, clwidth(medium) clpattern(solid) clcolor(blue) clcolor(black) yaxis(1) /// || line upperx MVZ, clpattern(dash) clwidth(thin) clcolor(black) /// || line lowerx MVZ, clpattern(dash) clwidth(thin) clcolor(black) /// || line yline MVZ, clwidth(thin) clcolor(black) clpattern(solid) /// || ,xlabel(1 1.5 2 2.5 3 3.5 4, nogrid labsize(2)) /// ylabel(-1 0 1 2 3, axis(1) nogrid labsize(2)) /// ylabel(0 3 6 9 12 15 18, axis(2) nogrid labsize(2)) /// xscale(noline) /// yscale(noline alt) /// yscale(noline alt axis(2)) /// legend(off) /// yline(0, lcolor(black) lpattern(dash) lwidth(thin)) /// xtitle("" , size(2.5) ) /// ytitle("" , axis(2) size(2.5)) /// xsca(titlegap(2)) /// ysca(titlegap(2)) /// scheme(s2mono) graphregion(fcolor(white))
graph twoway hist conflict, width(0.025) percent color(gs14) yaxis(2) /// || line conbz MVX, clwidth(medium) clpattern(solid) clcolor(blue) clcolor(black) /// || line upperz MVX, clpattern(dash) clwidth(thin) clcolor(black) /// || line lowerz MVX, clpattern(dash) clwidth(thin) clcolor(black) /// || ,xlabel(0 .25 .5 .75 1, nogrid labsize(2)) /// ylabel(-1.5 -1.25 -1 -.75 -.5 -.25 0 , axis(1) nogrid labsize(2)) /// ylabel(0 2 4 6, axis(2) nogrid labsize(2)) /// yscale(noline alt) /// yscale(noline alt axis(2)) /// xscale(noline) /// legend(off) /// yline(0, lcolor(black) lwidth(thin)) /// xtitle("" , size(2.5) ) /// ytitle("" , axis(2) size(2.5) ) /// xsca(titlegap(2)) /// ysca(titlegap(2)) /// scheme(s2mono) graphregion(fcolor(white))5.6 结论
Kastner (2007) 论文的重现，表明了边际效应图在解释交互效应的重要性。尽管，Kastner (2007) 并没有解释为何「在贸易壁垒较低时，即具有国际经济利益的国内主体政治影响力强时，利益冲突对贸易的边际效应为正」，但是图 3b 进一步为其理论提供了证据。
6. 参考文献和扩展阅读
Berry W D, Golder M, Milton D. Improving tests of theories positing interaction[J]. The Journal of Politics, 2012, 74(3): 653-671. -Link- Kastner S L. When do conflicting political relations affect international trade?[J]. Journal of Conflict Resolution, 2007, 51(4): 664-688. -Link- 专题: 回归分析 Stata: 手动计算和图示边际效应 Stata因子变量：虚拟变量-交乘项批量处理 Stata: 边际效应分析 专题: 内生性-因果推断 Stata：内生变量的交乘项如何处理？ 专题: 交乘项-调节 Stata：图示交互效应-调节效应 Stata：交乘项该如何使用？-黄河泉老师PPT Stata：虚拟变量交乘项生成和检验的简便方法 Stata：图示连续变量的连续边际效应 Stata：内生变量和它的交乘项 交乘项-交叉项的中心化问题 交乘项专题：主效应项可以忽略吗？ Stata：交乘项该这么分析!