论文中不同模型控制变量一定要一致吗

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

我基准回归用的变量分别为：y x k1 k2 k3 k4 k5，是面板数据，然后结果是显著的但是在面板门槛回归中，用这几个变量y x k1 k2 k3 k4 k5 q1， (q1是单独的门槛变量，不是解释变量，解释变量我试过不显著)
通过了双门槛检验，但回归结果不太符合预期，q1小于1门槛的时候y对x是显著负向影响，1-2门槛直接是负向不显著，大于2门槛是不显著正向影响，我觉得和我的设想不一致，并且好像不太符合实际
所以我替换了一个控制变量，将k5 替换成了 k6，
现在变量为这些：y x k1 k2 k3 k4 k6 q1,回归结果为：q1小于1门槛的时候是不显著负向影响，1-2门槛直接是不显著正向影响，q1大于2门槛的时候是显著正向影响
我觉得这样出来的结果是比较符合我的预期的，
所以我能不能用替换过的变量做我的门槛回归啊，
但是替换了控制变量模型回归结果变化这么大，是不是也说明我的门槛模型不稳健，那我还能用吗？？

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：控制变量 回归结果 解释变量 门槛回归 面板门槛 面板数据 面板门槛回归 门槛效应 门槛回归 控制变量

根据描述，你进行了面板门槛回归分析，并尝试通过替换控制变量来改善回归结果。发现使用替换后的变量进行回归分析后，结果更符合预期

关于您的问题，有几点建议和观点供您参考：

替换控制变量可能导致回归结果的变化：当您替换了一个控制变量时，回归结果的变化是正常的。不同的控制变量可能会对模型的解释能力产生影响，因此回归结果的变化是可以理解的。

结果的符合预期并不一定意味着模型稳健：虽然您发现替换控制变量后的结果更符合您的预期，但这并不意味着您的门槛模型是稳健的。回归结果的变化可能是由于模型设定、样本选择或其他因素引起的，因此仍然需要对模型进行进一步的稳健性检验。

注意数据质量和模型设定：在进行门槛回归分析时，确保数据的质量和准确性非常重要。同时，合理的模型设定也是确保结果可靠性的关键。您可以仔细检查数据的收集方法、样本的选择方式以及模型的设定是否合理。

使用其他方法进行稳健性检验：为了验证门槛模型的稳健性，您可以尝试使用其他方法进行进一步的分析。例如，您可以尝试使用不同的门槛设定、使用不同的控制变量或尝试其他回归方法来检验结果的稳健性。

总之，虽然您替换控制变量后的回归结果更符合您的预期，但仍然需要注意数据质量和模型设定，并进行更多的稳健性检验来验证门槛模型的可靠性。