求助！stata数据清洗步骤

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

各位前辈们，初学实证分析，有几个疑惑向问问大家
1.主回归、机制检验和异质性分析的样本量需要保持一致吗？如果需要保持一致的话，那么机制变量如果存在缺失值的话，是不是也需要在主回归时删除掉这些变量存在缺失值的样本？
2.但是如果还没有确定机制的话（就是说寻找的机制变量可能不显著），要寻找其他机制，如果需要文章的样本量保持一致，那么是不是就重复第一步，删除机制变量存在缺失值的样本？但是这样，感觉主回归结果一直在变化，时而显著时而不显著，这是因为剔除的样本不一样吧
3.在进行异质性分析或经济后果分析时，如果想要把ROA当做经济后果的变量或根据SOE来分组，在主回归中能否控制ROA或SOE呢？
4.机制检验不显著的话，是换控制变量，然后主回归也继续换控制变量调试呢？还是重新寻找机制？不知道各位前辈在主回归显著后面的分析不显著的时候通常如何处理？
显著好难啊

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0 回帖

关键词：STATA数据 Stata tata 质性分析 控制变量 stata 实证分析 数据清洗

相关内容：stata数据清洗

1. 主回归、机制检验和异质性分析的样本量不需要保持一致。在进行机制检验时，如果某些样本缺失了机制变量的数据，可以只使用这些样本进行检验，而不影响主回归的样本。

2. 在寻找不同机制的过程中，确实会因为剔除样本而改变回归结果。这是正常的，因为不同的机制可能适用于不同的样本群体。你应该持续探索和检验不同的机制，直到找到一个在理论和统计上都合理的结果。

3. 在主回归中控制 ROA 或 SOE 是可以的，这取决于你的研究问题和假设。如果你认为这些变量与你的解释变量（机制）有直接关系，并可能影响结果，那么它们应该作为控制变量包含在回归模型中。

4. 如果机制检验不显著，首先应该检查你的理论基础是否支持这个机制。如果理论基础是坚实的，你可以考虑调整控制变量，或者尝试不同的数据处理方法（如多重插补）。同时，你也可以寻找其他的可能机制进行检验。

在实证分析过程中，显著性是一个重要因素，但并不意味着所有结果都必须显著。重要的是你的研究能够提供对问题的深入理解，并且理论和统计证据能够相互支持。

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