[回归分析求助]为什么用reghdfe回归出来的结果里Age被omitted了

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

[回归结果如下]. xtreg FinLevel_1 did  Age ROA Size Lev i.year,fe vce(cluster id)
note: 2021.year omitted because of collinearity.

Fixed-effects (within) regression               Number of obs     =     11,555
Group variable: id                              Number of groups  =      1,692

R-squared:                                      Obs per group:
     Within  = 0.0244                                         min =          5
     Between = 0.0584                                         avg =        6.8
     Overall = 0.0472                                         max =          7

                                                F(10,1691)        =       8.41
corr(u_i, Xb) = -0.0696                         Prob > F          =     0.0000

                                 (Std. err. adjusted for 1,692 clusters in id)
------------------------------------------------------------------------------
             |               Robust
  FinLevel_1 | Coefficient  std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         did |   1.338135   .3652625     3.66   0.000     .6217214    2.054549
         Age |   .2924484   .0754649     3.88   0.000     .1444341    .4404628
         ROA |  -2.369897   1.316127    -1.80   0.072    -4.951307    .2115126
        Size |  -1.151889   .4644059    -2.48   0.013     -2.06276   -.2410181
         Lev |  -3.090421   1.480967    -2.09   0.037    -5.995142   -.1857003
             |
        year |
       2016  |   .2668695   .1224691     2.18   0.029     .0266626    .5070764
       2017  |   .2532953   .1507772     1.68   0.093    -.0424343    .5490249
       2018  |  -.7092419   .1868651    -3.80   0.000    -1.075753   -.3427307
       2019  |   .1548358   .1756203     0.88   0.378    -.1896202    .4992918
       2020  |   .1090393   .1235827     0.88   0.378    -.1333518    .3514304
       2021  |          0  (omitted)
             |
       _cons |   29.11176   9.705885     3.00   0.003     10.07495    48.14857
-------------+----------------------------------------------------------------
     sigma_u |  7.3565476
     sigma_e |  5.8303288
         rho |  .61420786   (fraction of variance due to u_i)
------------------------------------------------------------------------------

. reghdfe FinLevel_1 did Age ROA Size Lev,absorb(id year) vce(cluster id)
(MWFE estimator converged in 4 iterations)
note: Age is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09
> )

HDFE Linear regression                            Number of obs   =     11,555
Absorbing 2 HDFE groups                           F(   4,   1691) =       7.70
Statistics robust to heteroskedasticity           Prob > F        =     0.0000
                                                  R-squared       =     0.6674
                                                  Adj R-squared   =     0.6099
                                                  Within R-sq.    =     0.0107
Number of clusters (id)      =      1,692         Root MSE        =     5.8303

                                 (Std. err. adjusted for 1,692 clusters in id)
------------------------------------------------------------------------------
             |               Robust
  FinLevel_1 | Coefficient  std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         did |   1.338135   .3652625     3.66   0.000     .6217214    2.054549
         Age |          0  (omitted)
         ROA |  -2.369897   1.316127    -1.80   0.072    -4.951307    .2115126
        Size |  -1.151889   .4644059    -2.48   0.013     -2.06276   -.2410181
         Lev |  -3.090421   1.480967    -2.09   0.037    -5.995142   -.1857003
       _cons |   32.95668   10.33748     3.19   0.001     12.68108    53.23228
------------------------------------------------------------------------------

Absorbed degrees of freedom:
-----------------------------------------------------+
Absorbed FE | Categories  - Redundant  = Num. Coefs |
-------------+---------------------------------------|
          id |      1692        1692           0    *|
        year |         7           1           6     |
-----------------------------------------------------+
* = FE nested within cluster; treated as redundant for DoF computation

这两个回归不应该控制的都是个体+时间的双向固定效应吗~为什么第二个会说Age存在共线性~球球各位大佬解释~

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：回归结果分析 回归结果 回归结果解释 stata回归结果 stata xthreg命令门限回归结果解读求助 啊

你的变量age指标计算错了吧，它好像和2021年共线

Age和时间固定效应共线性了。实际上，在xtreg的回归结果中，可以注意到2021的时间虚拟变量回归系数是(omitted)。在xtreg的回归结果中，Age的系数实际上也是反映了某一个时间固定效应的结果而已，不是真正的Age这个变量的系数值。

在您提供的回归结果中，Age变量被自动省略了，这是因为出现了多重共线性问题。具体来说，2021.year 被遗漏是因为它与其他变量高度相关（即 collinearity）。在回归分析中，当一个或多个自变量之间存在高度相关时，模型可能无法为所有变量提供估计系数，而是选择省略其中一个以解决多重共线性问题。

为了进一步理解并解决这个问题，您可以：

1. 检查数据：确保没有其他变量与Age高度相关。可以使用相关矩阵（correlation matrix）来查看各变量间的相关系数。
2. 考虑剔除：如果发现确实有其他变量与Age高度相关，可以考虑剔除其中一个以减少共线性。
3. 使用其他方法：例如主成分分析（PCA）或岭回归（Ridge Regression）可以帮助处理多重共线性问题。
4. 检查模型设定：确保所有的自变量和因变量之间的关系都符合模型假设。

在进行这些步骤后，您应该能够确定是否需要保留Age变量，或者如何调整模型以避免多重共线性问题。

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

因为是

共线性太强才会被omit，考虑换控制变量吧

2052_1569241229 发表于 2024-5-20 15:06
共线性太强才会被omit，考虑换控制变量吧

好的好的谢谢啦~

happykx 发表于 2024-5-19 22:45
你的变量age指标计算错了吧，它好像和2021年共线

好的我再检查下~age我算的是上市公司在各年的年龄~谢谢啦~

ddx2009 发表于 2024-5-19 23:54
Age和时间固定效应共线性了。实际上，在xtreg的回归结果中，可以注意到2021的时间虚拟变量回归系数是(omit ...

好的好的~！！我好像有点明白了！！谢谢解答~！