主回归滞后一期，那后边做调节效应是不是也要跟主回归保持一致的滞后

大佬们求解答！本科研小白对于调节效应有很多疑惑。我的主回归是将解释变量和控制变量滞后一期，后边做调节效应的时候是否应该将解释变量和控制变量也跟主回归一样滞后一期？看了一些做调节效应的文章（主题也是数字经济对xxx的影响），发现他们也没有滞后。然后我用stata执行了一下调节效应的命令，发现报错（factor-variable and time-series operators not allowedr(101);）这是调节效应不能用滞后项的意思吗？还是我做错了没理解它的意思？如果我调节效应不做或者不能做滞后，那我的主回归是不是也不能滞后？菜鸟问题，还请大佬们不吝赐教！

理论上,调节变量和调节效应本身是可以滞后的。但统计软件处理起来可能有限制。
Stata报错的原因是factor-variable(类别变量)不允许滞后,这是软件限制而非理论限制。你可以考虑将调节变量转成数值变量后进行滞后。
对于解释变量和控制变量,主回归方程使用滞后而调节方程不用滞后,理论上是可以的。这表示主回归测试的是滞后效应,而调节测试的是即期效应。
但为了方程间的一致性和解释的清晰,主回归和调节方程中解释变量的滞后期数最好保持一致。
如果主回归方程使用滞后,调节方程也最好使用滞后,具体滞后期数可以根据理论需要调整。

十分感谢您的解答！我明白您的意思了。还有一个问题想请教您：在做调节效应时，先执行了一个基础回归命令reg Y X Z（分别为因变量、自变量、调节变量），出来的结果1显示X不显著且其符号与实际也相反。此后生成一个交互项XZ，再执行reg Y X Z XZ回归，这个出来的结果2就变显著了而且符号与实际相符。再执行中心化命令后，出来的结果3中的X也显著（但是显著性相比2少了一个星）且符号与实际相符。我看有些讲解说，得是结果1和结果3的符号一致，那我这种是不是从源头上就错了呢？因为第一个回归中解释变量符号就不对了。实在不明白其中之意，求大神解答！

oliyiyi 发表于 2023-8-25 13:49
理论上,调节变量和调节效应本身是可以滞后的。但统计软件处理起来可能有限制。
Stata报错的原因是factor- ...

十分感谢您的解答！我明白您的意思了。还有一个问题想请教您：在做调节效应时，先执行了一个基础回归命令reg Y X Z（分别为因变量、自变量、调节变量），出来的结果1显示X不显著且其符号与实际也相反。此后生成一个交互项XZ，再执行reg Y X Z XZ回归，这个出来的结果2就变显著了而且符号与实际相符。再执行中心化命令后，出来的结果3中的X也显著（但是显著性相比2少了一个星）且符号与实际相符。我看有些讲解说，得是结果1和结果3的符号一致，那我这种是不是从源头上就错了呢？因为第一个回归中解释变量符号就不对了。实在不明白其中之意，求大神解答！

oliyiyi 发表于 2023-8-25 09:42
理论上,调节变量和调节效应本身是可以滞后的。但统计软件处理起来可能有限制。
Stata报错的原因是factor- ...

十分感谢您的解答！我明白您的意思了。还有一个问题想请教您：在做调节效应时，先执行了一个基础回归命令reg Y X Z（分别为因变量、自变量、调节变量），出来的结果1显示X不显著且其符号与实际也相反。此后生成一个交互项XZ，再执行reg Y X Z XZ回归，这个出来的结果2就变显著了而且符号与实际相符。再执行中心化命令后，出来的结果3中的X也显著（但是显著性相比2少了一个星）且符号与实际相符。我看有些讲解说，得是结果1和结果3的符号一致，那我这种是不是从源头上就错了呢？因为第一个回归中解释变量符号就不对了。实在不明白其中之意，求大神解答！

自变量X在基础模型(结果1)不显著或符号不符合预期,不能简单判断为错误。这可能是由于没有考虑调节效应导致的。
当加入交互项后(结果2),如果效应变得显著,且符号符合预期,说明很可能存在调节效应。
中心化处理后(结果3),X的符号变化符合预期,这进一步验证了调节模型的合理性。
X在不同模型中的效应变化,正体现了加入调节变量后效应的改变。
所以你的结果符号和预期不完全一致也不一定是错误,需结合调节效应的存在来解释。
重点不应该是符号是否一致,而是加入调节变量后效应是否发生了理论符合预期的改变。

oliyiyi 发表于 2023-8-26 04:52
自变量X在基础模型(结果1)不显著或符号不符合预期,不能简单判断为错误。这可能是由于没有考虑调节效应导致 ...

再次感谢您的解答！我还突然想到一个问题，想再麻烦您看一下。我本来的做法是这样的：我做的是X对Y的影响，然后再研究Z对X与Y关系的调节效果。模型设定是（1）主回归模型：包含自变量、因变量和控制变量，（2）调节模型：在主回归模型基础上加入了调节变量和交互项。具体实证过程是先用固定效应模型做了X对Y的基准回归，不含调节变量，即Y X Controls ，并不是像上边的第一个命令那样去回归Y X Z，我得到的结果X是显著的且符号也符合预期；然后我在做调节效应的时候也还加入了控制变量，即Y X Z XZ Controls，结果也是好的。请问我的这种做法有问题吗？还有就是在主回归模型中是否需要加入调节变量呢？

（附注：第一次请教您的那三个步骤以及得到的三个结果，是我做完我上述工作后看到别人分享的，就试了试，其实我现在还是不太明白那三个步骤是不是我上述实证过程的代替呢？它为什么在基础回归就就加入了调节变量？还有，为什么不加控制变量呢？）

希望我把疑惑描述请楚了，我的问题有点儿多，非常期待您的回复！

oliyiyi 发表于 2023-8-26 04:52
自变量X在基础模型(结果1)不显著或符号不符合预期,不能简单判断为错误。这可能是由于没有考虑调节效应导致 ...

这是我原本的实证过程：
1、描述性统计
2、相关性分析
3、共线性检验——无严重共线性
4、豪斯曼检验——选用固定效应模型
5、检验是否存在时间效应——存在。（豪斯曼检验只得出存在个体效应）
6、主效应回归——分别做不加控制变量和加入控制变量的基准回归，发现X都显著，且系数符号符合预期
7、调节效应回归——分别做不加控制变量和加入控制变量的调节效应回归，发现加不加控制变量，X与XZ都显著，且符号符合预期。但不同的是，不加控制变量的一组中，Z显著；加入控制变量的一组中，Z不显著，但是其调整的R2要比不加的大，关于这个我也看很多讲解说Z不必须要显著。

基准模型设定：Yit= β0 +β1*Xit+βn*Controlsit+ Ui +λt +εit
调节效应模型设定：Yit= β0 +β1*Xit+β2*Zit+β3Xit*Zit+βn*Controlsit+ Ui +λt +εit