在分组回归中出现一组系数显著而另一组不显著的情况,是实证研究中常见的现象。这种结果可能由数据特征、模型设定或样本分布等多种因素导致。
一、可能的原因分析1. 样本量差异
- 显著组的样本量足够大,而不显著组的样本量过小,导致统计检验力不足(Power 不足)。
- 示例:按地区分组,东部地区样本量 1000,西部地区样本量 100,可能导致西部组系数不显著。
2. 组内变异程度不同
- 不显著组的解释变量或被解释变量变异较小,导致系数估计精度低。
- 公式理解:标准误与样本标准差成正比(SE(β^)∝nσ),变异小则标准误大。
3. 变量相关性差异
- 显著组中解释变量与其他变量的相关性(多重共线性)较低,而不显著组中相关性较高。
- 检验方法:使用vif命令检查各组的方差膨胀因子。
4. 真实效应异质性
- 解释变量的效应在不同组间确实存在差异(如政策对不同规模企业的影响不同)。
5. 模型设定问题
- 不显著组可能遗漏了关键交互项,或函数形式设定不当(如未考虑非线性关系)。
- 显著组的样本量足够大,而不显著组的样本量过小,导致统计检验力不足(Power 不足)。


雷达卡


京公网安备 11010802022788号







