一、可能原因是加入i.year后,模型中存在固定效应,这会对中介效应模型的解释产生影响,需要注意。
如果你希望控制固定效应,可以将中介效应模型改为固定效应模型。具体来说,可以使用xtivreg命令,将中介变量和解释变量作为内生变量,中介变量和中介效应变量作为工具变量,因变量作为外生变量,使用“fe”选项来指定固定效应模型。
如果你希望忽略固定效应,可以使用普通的回归命令,如reg或者ivreg2。在这种情况下,需要注意在模型中加入控制变量,以避免遗漏变量引起的偏误。
二、您的理解是正确的。在三步中介效应模型中,如果第一步系数c、第二步系数a、第三步系数c'都显著,但是b不显著,这时候可以使用Bootstrap方法进行进一步检验。
Bootstrap是一种通过重复抽样来估计统计量分布的方法。在这种情况下,您可以通过对数据进行重复抽样来估计b系数的分布,并计算出置信区间和p值,以进一步确定b系数是否显著。
具体来说,在Stata中可以使用bootstrap命令来实现Bootstrap检验。例如,假设您要进行1000次Bootstrap重复抽样,并计算出b系数的95%置信区间,可以使用以下命令:
bootstrap b=r(b), reps(1000): reg outcome mediator covariate i.year i.id
其中,r(b)表示将第三步回归得到的c'系数保存为b变量,reps(1000)表示进行1000次Bootstrap重复抽样,reg outcome mediator covariate i.year i.id表示模型的回归方程。
执行完该命令后,Stata会生成一个Bootstrap结果表,其中包含了b系数的置信区间和p值等信息。您可以根据这些信息来判断b系数是否显著。
需要注意的是,在进行Bootstrap检验时,要根据具体研究问题选择正确的抽样方法和统计量,以确保检验结果的准确性和可靠性。


雷达卡






京公网安备 11010802022788号







