老树皮 发表于 2012-8-15 07:09
为什么要使用FE,这是因为FE可以克服由于time-invriant unobserved variables和解释变量相关造成的内生性 ...
听君一席话,胜读十年书啊~~~本来要睡觉了。结果我要又起来重新审视一下我的自变量。。。。。。= =
你问我为什么要用FE,我想了下,我的理由是: 我就是想研究我的X1 和Y之间的关系。其他X2。。。X10全部都是控制变量。最关键的就是X1.也就是说只有X1和Y之间的Within Effect,不想被其他任何Between effect打扰。而且又要体现出面板二维数据的优势。用OLS无面板效应,数据是一维的。而且我把样本按照等级分为3份,每一份都做FE回归。
你觉得有点道理吗?????
专门针对time-invriant unobserved variables,我重新仔细看了下我的自变量,我依然觉得,能够符合这点的,只有"企业的规模"这一个虚拟变量。这个变量是不会随着时间改变的,同时也会影响到我的残差。 于是我把整个数据按照"企业的规模"划分成3类,每一类分别进行FE回归。这样行不行?
针对 time-variant unobserved heterogenity 我也自己分析了下, 结论是木有!
我的回归变量,全部都是企业层面的东西,不是宏观经济的东西,基本和时间没有关系。即使有,最坏的结果也就是我的Beta不准确。但是这个对显著性T检验,不会有质的改变了。
我也可以在FE中加入每一年的Dummy。但是这个不太会有很大的改变。
明天我再去联邦统计局尝试下以下改变,不知道你的建议是什么?
1.单独测试每个自变量X的 Multicollinearity,自变量我一个个增加,除非我加第一个自变量就已经不显著,不然的话肯定能测出多重线性相关(如果我只用一个自变量,都不显著,那应该就是不显著了,大局已定,其他的理论,只能往不显著上靠拢。。。。)
2.取Y的对数,用Log试试看能不能解决一部分异方差问题。虽然我用了robust error,但是取了对数应该会更加可能显著吧。