加入控制变量后核心解释变量就变得不显著怎么办？

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

大家好！我现在做实证遇到的问题是：如果只是被解释变量与核心解释变量在stata回归的话，核心解释变量是显著的，但是加入控制变量之后就变得不显著了，这个该怎么处理呢？这些控制变量是在参考比较权威的论文后选的，已经有前人证明是显著的，数据来源也是按照论文提供的去找，再搜集其他控制变量耗费的时间精力比较大，而且也不知道跑出来的结果是不是想要的，想问下大家有没有什么好的调整解决方法哇？

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：控制变量 解释变量 怎么办 Stata 怎么处理

你遇到的问题是一个常见的情况，被称为"控制变量问题"。当你添加控制变量到回归模型中时，核心解释变量的显著性可能会发生变化。这可能是由于控制变量与核心解释变量之间存在共线性或其他复杂的关系导致的。
在处理这个问题时，有几个可能的方法可以尝试：
1. 检查共线性：共线性是指解释变量之间存在高度相关性。你可以计算控制变量之间的相关系数，以确定是否存在共线性问题。如果存在共线性，可以考虑删除其中一个或多个高度相关的控制变量，以减少共线性对结果的影响。
2. 重新选择控制变量：尽管你已经参考了权威论文选择了控制变量，但仍然可能存在其他未考虑到的重要控制变量。你可以尝试添加或删除一些控制变量，并观察它们对核心解释变量的影响。这可能需要进行多次回归分析来比较不同模型的结果。
3. 使用工具变量：在某些情况下，使用工具变量可以帮助解决内生性问题。工具变量是与核心解释变量相关但不与误差项相关的变量。通过使用工具变量回归，可以减轻内生性对结果的影响。
4. 进行子样本分析：有时，控制变量可能对样本中的某些子集产生不同的影响。你可以尝试将样本分成几个子样本，并分别进行回归分析，以观察控制变量对核心解释变量的影响。

检查控制变量是否与解释变量存在多重共线性。如果是,可以适当减少控制变量数量。
逐个加入控制变量,观察哪些变量引起核心解释变量不显著。这些控制变量需要进一步检验其引入的必要性。
尝试不同的模型设置,如使用匹配法等方法控制变量,而不是单纯加入回归。
改用稳健标准误(robust standard error)来替代OLS,查看结果是否改变。
提高样本量,如果样本量较小,加入控制变量后结果更不稳定。
从理论上重新思考控制变量的作用机制,哪些变量应该优先控制,核心变量是否可能被过度控制。
显示不同模型设置下的结果,讨论控制变量引入的价值及对结果的影响

一方面可以检查共线性问题，另外如果是微观数据的话 可以尝试缩尾处理试一试。或者可以通过逐个检查控制变量的方式，找到干扰解释变量的控制变量。

白眉老夫子 发表于 2023-10-21 10:16
一方面可以检查共线性问题，另外如果是微观数据的话 可以尝试缩尾处理试一试。或者可以通过逐个检查控制变 ...

我的是宏观数据，是国家层面的，这些控制变量，不管加几个进去，核心解释变量就不显著了......

白眉老夫子 发表于 2023-10-21 10:16
一方面可以检查共线性问题，另外如果是微观数据的话 可以尝试缩尾处理试一试。或者可以通过逐个检查控制变 ...

我的是宏观数据，国家层面的，几个控制变量，不管加多少个进去，核心解释变量就不显著了......

核心解释变量在加入控制变量后变得不显著，或者说未加入控制变量前，核心解释变量显著性也很有限，说明核心解释变量作用很容易被控制变量吸收，这时应考虑核心解释变量或被解释变量的代表性问题。可以多参考几篇中英文权威文献重新审视研究问题的代表性，更换核心解释变量或被解释变量。控制变量的重新选择参考楼上几位的建议处理，挺好。

换一下控制变量，或者变量值不在一个量级的加ln