加入某个加控制变量后显著原解释变量不显著了是什么原因

来源：蜘蛛抓取(WebSpider) 时间：2017-11-05 10:00 标签： 加入控制变量后不显著
88被浏览15,386分享邀请回答1添加评论分享收藏感谢收起61被浏览8,865分享邀请回答327 条评论分享收藏感谢收起扫二维码下载作业帮
3亿+用户的选择
下载作业帮安装包
扫二维码下载作业帮
3亿+用户的选择
计量经济学问题.我的假设遇到了类似的情况,其中一个假设被解释变量和解释变量不相关,但是加上控制变量回归以后却显著,并且符号保持不变,都是负相关.另外一个假设解释变量和被解释变量显著正相关,但是不如果加控制变量,回归得到的结果显著,加上以后就不显著.这个是什么原因啊?
作业帮用户
扫二维码下载作业帮
3亿+用户的选择
原因很多,排除实证方法和思路错误,最有可能是样本容量过小引起的,解决方法：增大样本容量,当然了,在应付式作业下,你也可以去改数据（不推荐）...
我已经问老师，解决问题了，通过更改删减控制变量就能跑自己的解释变量显著，我就好奇那我们这个实证还有说服力嘛
为您推荐：
其他类似问题
扫描下载二维码496被浏览36,903分享邀请回答program drop _all
program define test_multi
set obs 30
gen x1=rlogistic()
gen x2=10*x1+rnormal()
gen x3=3*x1+3*x2+rnormal()
gen y=x1+x2+(rchi2(1)-1)
* run the desired command
reg y x1 x2 x3
simulate _b _se, reps(10000): test_multi
gen test1=abs(_b_x1)&1.96*_se_x1
gen test2=abs(_b_x2)&1.96*_se_x2
gen test3=abs(_b_x3)&1.96*_se_x3
sum test1 test2 test3
下面是一万次模拟的结果：注意x1 和x2真实系数都为1，x3的真实系数为0，三个变量都是高度共线性的。前两个系数反映了power，最后一个反映了size，可以看到size基本上是对的（0.058约等于0.05，由于我的残差不是正态的且样本量只有30，偏差主要来自于非正态的小样本偏误），但是大大影响了power（x1的拒绝率只有0.08，意味着如果存在多重共线性，跑100次回归只有8次得到了显著的结果）。如何解决呢？如果我们把样本量扩大到，比如说，500，我们得到了如下结果：首先，由于样本量增大了，所以x3的假设检验结果也更「对」了，更接近于0.05；其次，增大样本量大大提高了x1 x2的假设检验的power。如果样本量增大到1000呢？所以答案也就呼之欲出了，为了解决多重共线性，办法只有一个：增大样本。尽管题主排除了剔除变量这个选项，但是我还是不得不说一下为什么不能剔除变量。道理很简单，因为经济学关注的是系数，如果把x2剔除了，那么就会导致x1的估计大大的向上偏误，即大大高估了x1的影响力，这是比多重共线性更加难以让人接受的情况。所以任何以剔除变量为手段的解决多重共线性的方法，在经济学里都是不被接受的。当然，如果你不能增大样本，结果又不显著的话，那只能祝你good luck了。26164 条评论分享收藏感谢收起2612 条评论分享收藏感谢收起496被浏览36,903分享邀请回答program drop _all
program define test_multi
set obs 30
gen x1=rlogistic()
gen x2=10*x1+rnormal()
gen x3=3*x1+3*x2+rnormal()
gen y=x1+x2+(rchi2(1)-1)
* run the desired command
reg y x1 x2 x3
simulate _b _se, reps(10000): test_multi
gen test1=abs(_b_x1)&1.96*_se_x1
gen test2=abs(_b_x2)&1.96*_se_x2
gen test3=abs(_b_x3)&1.96*_se_x3
sum test1 test2 test3
下面是一万次模拟的结果：注意x1 和x2真实系数都为1，x3的真实系数为0，三个变量都是高度共线性的。前两个系数反映了power，最后一个反映了size，可以看到size基本上是对的（0.058约等于0.05，由于我的残差不是正态的且样本量只有30，偏差主要来自于非正态的小样本偏误），但是大大影响了power（x1的拒绝率只有0.08，意味着如果存在多重共线性，跑100次回归只有8次得到了显著的结果）。如何解决呢？如果我们把样本量扩大到，比如说，500，我们得到了如下结果：首先，由于样本量增大了，所以x3的假设检验结果也更「对」了，更接近于0.05；其次，增大样本量大大提高了x1 x2的假设检验的power。如果样本量增大到1000呢？所以答案也就呼之欲出了，为了解决多重共线性，办法只有一个：增大样本。尽管题主排除了剔除变量这个选项，但是我还是不得不说一下为什么不能剔除变量。道理很简单，因为经济学关注的是系数，如果把x2剔除了，那么就会导致x1的估计大大的向上偏误，即大大高估了x1的影响力，这是比多重共线性更加难以让人接受的情况。所以任何以剔除变量为手段的解决多重共线性的方法，在经济学里都是不被接受的。当然，如果你不能增大样本，结果又不显著的话，那只能祝你good luck了。26164 条评论分享收藏感谢收起2612 条评论分享收藏感谢收起

我要回帖

更多关于 加入控制变量后不显著 的文章

 

随机推荐