我该不该用WLS以及我该不该删除一些变量求教

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

这是我分别用OLS和WLS回归的结果，有两点不明白，已经在图中用红字标出，

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2 回帖

关键词：该不该 Wls OLS 不明白

如果WLS假设成立，那么点估计不应改变，用了WLS以后se会下降。

你比较两个回归，很难说点估计未变。因此，WLS的假设估计有问题，或者你的weights不对...

克服异方差可以利用reg+robust，你可以尝试下，看结果有何变量

此外，选择变量或者删除变量不是根据显著性去删除，而是根据你理论去
选择变量，如果变量不显著，只需要解释可能原因就可以了。
如果你冒然把她删除了，有时会导致omiited variables问题。

ywh19860616 发表于 2013-4-1 08:09
克服异方差可以利用reg+robust，你可以尝试下，看结果有何变量

此外，选择变量或者删除变量不是根据显著 ...

非常感谢！
你是说，reg I FCF Q PE AGR PGR OIR D Sale S ,robust这样吗？结果几乎和原OLS无区别。
我用white检验下来chi2(53)=108.81,prob>chi2=0.0000,这个结果应该说明是存在异方差吧？

另外，我是这样处理WLS的，不知道对不对：
在stata中实现WLS的方法如下：
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=变量名]
其中，aweight后面的变量就是权重，是我们设定的函数。
一种经常的设定是假设扰动项的条件方差是所有解释变量的某个线性组合的指数函数。在stata中也可以方便地实现：
首先做标准的OLS回归，并得到残差项；
reg （被解释变量） （解释变量1） （解释变量2）……
predict r, resid
生成新变量logusq，并用它对所有解释变量做回归，得到这个回归的拟合值，再对这个拟合值求指数函数；
gen logusq=ln(r^2)
reg logusq (解释变量1) （解释变量2）……
predict g, xb
gen h=exp(g)
最后以h作为权重做WLS回归；
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=h]

sddyl 发表于 2013-4-1 05:05
如果WLS假设成立，那么点估计不应改变，用了WLS以后se会下降。

你比较两个回归，很难说点估计未变。因此 ...

非常感谢！
你是说，reg I FCF Q PE AGR PGR OIR D Sale S ,robust这样吗？结果几乎和原OLS无区别。
我用white检验下来chi2(53)=108.81,prob>chi2=0.0000,这个结果应该说明是存在异方差吧？

另外，我是这样处理WLS的，不知道对不对：
在stata中实现WLS的方法如下：
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=变量名]
其中，aweight后面的变量就是权重，是我们设定的函数。
一种经常的设定是假设扰动项的条件方差是所有解释变量的某个线性组合的指数函数。在stata中也可以方便地实现：
首先做标准的OLS回归，并得到残差项；
reg （被解释变量） （解释变量1） （解释变量2）……
predict r, resid
生成新变量logusq，并用它对所有解释变量做回归，得到这个回归的拟合值，再对这个拟合值求指数函数；
gen logusq=ln(r^2)
reg logusq (解释变量1) （解释变量2）……
predict g, xb
gen h=exp(g)
最后以h作为权重做WLS回归；
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=h]

landunno1 发表于 2013-4-1 15:45
非常感谢！
你是说，reg I FCF Q PE AGR PGR OIR D Sale S ,robust这样吗？结果几乎和原OLS无区别。
我 ...

我知道WLS或者GLS都可以处理异方差
因为通常情况下WLS估计时，那个权重W不知道的情况下(当然，很多时候可以用残差的倒数等)，
这时候可以通过加robust选项来克服。

如果是面板数据，那可以考虑用xtscc命令

well，如果你相信仅仅是ihd，那么你的办法是有效的。

white robust不仅解决heterogeneity, 也解决更一般的dependent covariance matrix的情况。因此，一般我们用white robust，而不用WLS。因为WLS需要非常强的假设，不应该从white test motivate.

stata这水太深了，我还是静下心来每天进步一点点吧！