reghdfe运行后提示与固定效应存在共线性

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

刚进入stata实操阶段，理论知识不够到位，望各位大神指点指点。自变量是一个关于时间的虚拟变量（2015年后取1，否则取0）
reghdfe y x, a(year code)回归后提示：x is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)，回归系数为0，标准差缺失；
reghdfe y x , a(code) 回归结果正常且显著

请问如何解决x与year存在共线性的问题

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：固定效应 共线性 REG GHD fixed effect stata reghdfe 会计 计量经济学

这儿的共线性应该是讲的X与year的。因为对于某一年的数据，存在α与β不同时为0，使得αX+βyear=0。
但是如果你利用reghdfe y x , a(code) ，不加入year变量，当然不会存在多重共线性。

感觉你似乎想要探究某一变量在某个时间点变化前后对Y的影响。你可以尝试看看DID方法。

赞同楼上的回复。
楼主可能需要结合待分析问题的现实意义。根据楼主的描述，设置时间虚拟变量作为自变量，自然是希望探究2015年某项干预的实施对被解释变量的影响。这种情况，如果有对照组，可以才有楼上推荐的双重差分法，有成熟的stata代码可以使用；如果没有合适的对照组，也可以采用中断时间序列法（同样有成熟的代码使用），能够反映出被解释变量在干预后的即时变化和趋势变化。

insomnia_U 发表于 2022-8-11 14:25
这儿的共线性应该是讲的X与year的。因为对于某一年的数据，存在α与β不同时为0，使得αX+βyear=0。
但是 ...

感谢感谢！！！！！

小杨慢慢学 发表于 2022-8-11 15:36
赞同楼上的回复。
楼主可能需要结合待分析问题的现实意义。根据楼主的描述，设置时间虚拟变量作为自变量， ...

感谢感谢！！！

根据您的描述，自变量是year做出来的变量，大于2015为1，否则为0，这不是天然的会有共线性吗？如果要用回归，只能二者取一，看你想研究的问题是什么问题。

Stanfordddd 发表于 2022-8-11 14:06
刚进入stata实操阶段，理论知识不够到位，望各位大神指点指点。自变量是一个关于时间的虚拟变量（2015年后取 ...

好帖

小杨慢慢学 发表于 2022-8-11 15:36
赞同楼上的回复。
楼主可能需要结合待分析问题的现实意义。根据楼主的描述，设置时间虚拟变量作为自变量， ...

如果我是面板数据呢，有没有类似于中断时间序列这种方法的推荐。或者以时间虚拟变量作为自变量回归方面的论文？谢谢

在你的模型中出现"x is probably collinear with the fixed effects"的提示信息，这通常意味着自变量x（在这里是时间虚拟变量）与你已经包含在内的固定效应（这里是year和code）高度相关。这是因为当你使用`reghdfe`命令并以年份为一个固定效应时，实际上你正在控制每一年的时间效应，而你的自变量恰好是一个基于2015年之后取值的变量，这自然与你试图控制的时间固定效应有很高的相关性。

解决这个问题的方法通常有两种：

### 1. 检查并修改模型

- **调整自变量**：如果你的x是单纯表示某个时间点后的状态改变（比如政策实施后），考虑是否可以将它重新定义为一个更具体的事件发生后的虚拟变量，而不仅仅是基于年份。例如，“2015年某月某日之后取值1”，这样可能能够减少与year固定效应之间的共线性。

- **简化模型**：如果x确实就是时间点的一个指示器，并且你认为它是分析的关键部分，那么可能需要重新考虑是否需要同时控制year固定效应。在某些情况下，使用code作为唯一固定效应（如你的第二个命令）可能是足够的。

### 2. 使用`collgen` 或 `collin` 检查共线性

- 在Stata中，你可以使用`collin`或者`collgen`等命令来检查模型中的多重共线性问题。这能帮助你更直观地看到哪些变量之间存在高度相关关系。

### 3. 使用其他回归方法

如果自变量x与固定效应的year之间确实存在不可忽略的共线性，且理论和实证研究都要求同时控制这两项，那么可能需要考虑使用其他的回归方法或模型设定来处理这个问题。例如：

- **差分GMM（Generalized Method of Moments）**：这在面板数据分析中是一个常用的方法，可以用来处理时间固定效应与自变量的共线性问题。

- **混合效应模型** 或 **随机效应模型**：这些模型允许对固定和随机效应进行更灵活的建模，可能能够更好地适应你的数据结构。

最终选择哪种方法取决于你的研究目的、数据特性以及理论假设。在实证分析中，往往需要根据具体情况灵活调整模型设定，以获得最合理的结果解释。

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