[回归分析求助] xtlogit ,fe数据样本量大幅减少 [推广有奖]

可能存在一定的问题，需要argue这些drop掉的企业是随机缺失的，即不存在某种因素使得某些企业在观测期间全为1或全为0；或者简单检验下4000个样本和16000+样本在某些关键变量上的分布是否存在差异。线性回归的那种是线性概率模型LPM，处理好异方差问题也是可以接受的，尤其是概率在0.5左右时近乎线性。可以看下任何一本计量书

赞同上楼所说

在使用xtlogit,fe进行固定效应 logit 回归时，的确会发生因个体在所有观测期内虚拟变量Y1始终为0或1而被系统排除的情况。这是因为在固定效应模型中，此类数据对估计方程的参数没有贡献，因此会被剔除，以避免过度解释。这可能是造成xtlogit,fe和xtreg,fe样本量不一致的主要原因。

对于你的问题，N值不一致可能会影响结果的解释和推论，因为不同的样本可能导致不同的结论。如果其他论文中的Y1和Y2跑出来的N是一致的，那可能是因为他们的Y1变量在所有观测期内并非全为0或1，或者他们使用了不同的方法处理数据。

至于你的第二个问题，通常对于0-1虚拟变量，应该采用适当的分类回归模型，如逻辑斯谛回归（logit）或泊松回归等，而不是线性估计。线性估计可能无法捕捉到0-1变量的性质，并可能导致错误的统计推断。如果一篇毕业论文报告的是线性估计结果，这在方法上可能是不合适的，建议使用适当的非线性模型进行分析。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用