面板数据分组做回归，如何解释变量的系数大小与影响强弱的关系

问题描述如下：
对一组面板数据以年份进行分组，如2001年-2006年一组，2007年至2012年一组。
两组分组数据分别用同一个模型做回归分析。模型如： y=α1+α2*X+α3*Ctrl+α4 ，其中X为核心解释变量。
两个回归结果中，核心解释变量的估计系数α2全部为三星显著，但系数大小不同，假定2001年-2006年组系数为 0.02，007年至2012年组为 0.85。
在此结果下，不能用显著性来比较影响程度了，需要比较影响程度的不同，但不能直接用 0.85>0.02 来比较。

问：是否需要以标准化系数的方法作比较？比较的命令是什么？

自己搞明白了，发出来给大家参考吧。

（1）以上问题应归类于分组数据回归，组间系数比较问题。大家在搜索关键字的时候围绕这个来找资料。

（2）为什么在模型完全一样的情况下，组间系数仍不能直接比较？
因为不能确定随机扰动项α4是不相关的。也就是说假如随机扰动项相关的话，系数的大小很可能是由于分组条件下所取得的这一批样本本身导致的，而不能确定在这个分组条件下样本所代表的总体都会有这个特征，可能的情况是取了不同的样本，系数的大小就可能会发生变化。所以在这种情况下不能直接比较系数大小。

（3）组间比较系数大小的方法之一：SUR估计（似不相关估计）。
基于以上原因，想要比较系数大小，需要做的就是否定“两个分组中的两个随机扰动项α4相关”这个假设，确定其不相关之后，就可以比较系数的。做法就是，用系数差异检验否定原假设：两组随机扰动项相关。

（4）代码如下（针对面板数据）
对于面板数据，首先需要去除个体效应，再进行系数差异检验，代码如下：

xtset id Time
local y "因变量"
local x "自变量1 自变量2 自变量3"
bysort id:center `y', prefix(cy_)
bysort id:center `x', prefix(cx_)
xi:reg cy_* cx_* i.Time if 分组条件
est store 结果1
outreg2 using 结果1_系数差异,replace
xi:reg cy_* cx_* i.Time if 分组条件
est store 结果2
outreg2 using 结果2_系数差异
esttab 结果1 结果2

suest 结果1 结果2
test [结果1_mean]cx_自变量1 = [结果2_mean]cx_自变量1

计算出来结果之后，只看p值即可，p值小于0.01，即说明否定了原假设。系数就可以比较了。


如果您看了以上答案，觉得有用的话，一定留言顶贴，让需要的人看到。有时候一个小小的问题就会耽误很长时间，让遇到同样问题的人顺利解决，也是一个贡献。

顶一顶

MatthewLiu1979 发表于 2022-3-11 18:43
自己搞明白了，发出来给大家参考吧。

（1）以上问题应归类于分组数据回归，组间系数比较问题。大家在搜 ...

你太强了