行业控制，哑变量生成

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

总共有21个行业分类，我要在回归中控制行业影响，听说可以通过设置哑变量来完成，不知道如何做，或者还有没有别的方法。

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8 回帖

关键词：变量生成 哑变量 行业影响 行业分类 不知道 行业 行业分类 影响

ta industry,g(ind)

似乎有三种作法：

第一种，如楼上sungmoo大大说的
ta industry,g(ind)
【这时您可以得到各行业的哑变量，一共21个，分别为ind1 ind2 ind3........一直到ind21】
【这个方法好处是，您可以自由选择基准组，其它方法并不是说不行，只是感觉比较麻烦】

第二种与第三种方法，都是书中或手册说的factor variable

  第二种即
  假设您做简单线性回归，被解释变量是y
  xi: reg y i.industry
  【第二种方法，您会发现除基准组变量外，会有_Iindustry_2  _Iindustry_3  _Iindustry_4 ......
     一直到_Iindustry_21】
  【这个方法依然有著除基准组哑变量外，其它的哑变量】
  【缺点是可能有matsize太小的问题】

   第三种即
   reg y i.industry
   【这个方法的缺点是在您的变量里并不会有各行业的哑变量出现，但优点是，不会像第二种方法，有时会出现matsize太小的问题】

参考看看吧！ 祝福您～

h3327156 发表于 2012-2-21 22:07
似乎有三种作法：

第一种，如楼上sungmoo大大说的

第三种不太懂，请问能否再解释下？

aolei 发表于 2012-2-21 22:14
第三种不太懂，请问能否再解释下？

根据测试的结果，发现第二种与第三种，当哑变量很多很多时，都会面临matsize的问题。
Stata对模型的解释变量初步有限制啦！ 除非您去更改set matsize

对于第三种的缺点是对的，但优点我认为我说错了！ 测试的结果发现它也是会出现matsize太小的讯息。

＊以下是测试的例子
set seed 12345
set obs 400
drawnorm u1
gen x1=uniform()
gen y1=0.7*x1+u1
gen xx=_n

xi: reg y1 x1 i.xx
reg y1 x1 i.xx

sungmoo 真是高手

h3327156 发表于 2012-2-21 22:07
似乎有三种作法：

第一种，如楼上sungmoo大大说的

Stata12中的基准组很容易选择
. reg c f i.firm

      Source |       SS       df       MS              Number of obs =     100
-------------+------------------------------           F(  5,    94) =   12.60
       Model |  5483419.36     5  1096683.87           Prob > F      =  0.0000
    Residual |  8183642.78    94  87060.0296           R-squared     =  0.4012
-------------+------------------------------           Adj R-squared =  0.3694
       Total |  13667062.1    99  138051.133           Root MSE      =  295.06

------------------------------------------------------------------------------
           c |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           f |   .2442211   .0629874     3.88   0.000     .1191583     .369284
             |
        firm |
          2  |     361.93     247.57     1.46   0.147     -129.626     853.486
          3  |   336.0289   177.2457     1.90   0.061    -15.89656    687.9544
          4  |   331.7711   248.8716     1.33   0.186    -162.3692    825.9115
          5  |   228.2752   175.6152     1.30   0.197     -120.413    576.9634
             |
       _cons |  -409.9815   280.8374    -1.46   0.148    -967.5909    147.6278
------------------------------------------------------------------------------

. reg c f ib4.firm

      Source |       SS       df       MS              Number of obs =     100
-------------+------------------------------           F(  5,    94) =   12.60
       Model |  5483419.36     5  1096683.87           Prob > F      =  0.0000
    Residual |  8183642.78    94  87060.0296           R-squared     =  0.4012
-------------+------------------------------           Adj R-squared =  0.3694
       Total |  13667062.1    99  138051.133           Root MSE      =  295.06

------------------------------------------------------------------------------
           c |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           f |   .2442211   .0629874     3.88   0.000     .1191583     .369284
             |
        firm |
          1  |  -331.7711   248.8716    -1.33   0.186    -825.9115    162.3692
          2  |   30.15887   93.31654     0.32   0.747    -155.1233     215.441
          3  |   4.257812   122.9195     0.03   0.972    -239.8018    248.3175
          5  |  -103.4959   124.1787    -0.83   0.407    -350.0557    143.0639
             |
       _cons |   -78.2104   78.35057    -1.00   0.321    -233.7773    77.35649
------------------------------------------------------------------------------

.

谢谢大家我，我搞懂这个问题了，好像xi i.year挺好用的

h3327156 发表于 2012-2-21 22:07
似乎有三种作法：

第一种，如楼上sungmoo大大说的

写的很清楚，但是如果是面板数据固定效应呢？应该怎么控制