如何選取控制變量（使得回歸結(jié)果顯著）？

onsangwong 發(fā)表于 2020-7-20 14:38
第一次做實(shí)證分析（非平衡面板數(shù)據(jù)），我嘗試著做回歸的時(shí)候發(fā)現(xiàn)，單獨(dú)對(duì)自變量和因變量進(jìn)行回歸時(shí)候結(jié)果是 ...

我有編寫好的自動(dòng)篩選控制變量的程序，需要可以聯(lián)系。

pengxhan 發(fā)表于 2021-10-20 14:15
我有編寫好的自動(dòng)篩選控制變量的程序，需要可以聯(lián)系。

您好請(qǐng)問怎么聯(lián)系？

GZTKLDNN 發(fā)表于 2022-1-29 20:19
您好請(qǐng)問怎么聯(lián)系？

http://xalimeijing.com/thread-10882910-1-1.html

陳陳陳紅 發(fā)表于 2021-4-28 21:27
那變量之間不會(huì)相互影響嗎？

總不能多重共線性吧，先做描述性統(tǒng)計(jì)和相關(guān)性分析唄，明細(xì)能相互解釋/相關(guān)的肯定不放

個(gè)人覺得，缺失特征數(shù)據(jù)的非平衡面板用固定效應(yīng)；樣本不同的應(yīng)該叫混合截面了

請(qǐng)問樓主調(diào)整控制變量就一定會(huì)使核心解釋變量結(jié)果顯著嗎？

Zhang_1998 發(fā)表于 2022-9-19 21:42
請(qǐng)問樓主調(diào)整控制變量就一定會(huì)使核心解釋變量結(jié)果顯著嗎？

當(dāng)然不一定 只是說有可能，這需要多嘗試

pengxhan 發(fā)表于 2021-10-20 14:15
我有編寫好的自動(dòng)篩選控制變量的程序，需要可以聯(lián)系。

朋友，你好！請(qǐng)問，怎么聯(lián)系？

陳陳陳紅 發(fā)表于 2021-4-23 09:34
求助，這個(gè)問題怎么解決？控制變量有四五十個(gè)，想篩選10個(gè)使得結(jié)果顯著

請(qǐng)問你是怎么解決的呀

在實(shí)證研究中選取控制變量的確是一項(xiàng)挑戰(zhàn)。一個(gè)關(guān)鍵點(diǎn)是理解哪些變量可能會(huì)影響你的因變量，并且這些影響并非你感興趣的自變量所直接導(dǎo)致的，而是其他潛在的因素。以下是一些建議：

1. **理論指導(dǎo)**：首先應(yīng)該基于理論來選擇控制變量，而不是僅僅為了提高統(tǒng)計(jì)顯著性�？紤]什么因素理論上可能影響結(jié)果，然后在模型中加入這些變量。

2. **逐步回歸法**：你提到的逐步回歸確實(shí)是一種方法，但這種方法主要用于模型構(gòu)建和特征選擇，并非總是推薦用于研究設(shè)計(jì)。它可能會(huì)導(dǎo)致模型偏倚，因?yàn)檫x擇的過程可能受數(shù)據(jù)驅(qū)動(dòng)而非理論驅(qū)動(dòng)。然而，在探索性分析階段，你可以使用這種方法來識(shí)別哪些變量對(duì)結(jié)果有顯著影響。

3. **回歸方法的選擇**：你提到的混合、固定或隨機(jī)效應(yīng)模型的選擇應(yīng)該基于你的研究問題和數(shù)據(jù)特點(diǎn)。非平衡面板數(shù)據(jù)通常建議使用固定或隨機(jī)效應(yīng)模型，具體選擇哪一種依賴于假設(shè)個(gè)體間是否存在異質(zhì)性以及這種異質(zhì)性是否與解釋變量相關(guān)。

4. **數(shù)據(jù)質(zhì)量檢驗(yàn)**：多重共線性、異方差性和自相關(guān)性的檢查是非常重要的步驟，應(yīng)該在進(jìn)行最終分析之前完成。如果存在這些問題，你可能需要采用相應(yīng)的解決策略，比如使用穩(wěn)健的標(biāo)準(zhǔn)誤（對(duì)于異方差）、Lagrange乘子測(cè)試后選擇適合的效應(yīng)模型（隨機(jī)或固定），或者考慮使用廣義最小二乘法等技術(shù)來處理自相關(guān)。

5. **回歸順序**：理論上講，在檢查數(shù)據(jù)質(zhì)量和選擇回歸方法之前，理論框架和變量的選擇應(yīng)該已經(jīng)確定。但是實(shí)際操作中，這些步驟可以并行進(jìn)行以確保分析的效率和準(zhǔn)確性。

最后，我建議在實(shí)證研究過程中，保持對(duì)文獻(xiàn)的持續(xù)閱讀，并與領(lǐng)域內(nèi)的專家討論你的設(shè)計(jì)，這樣可以幫助你更好地理解哪些控制變量是必要的，以及如何有效地處理數(shù)據(jù)中的潛在問題。希望這些建議能夠幫助到你！

此文本由CAIE學(xué)術(shù)大模型生成，添加下方二維碼，優(yōu)先體驗(yàn)功能試用