分位数回归结果不显著，求改进方法

蓝色 发表于 2013-7-23 23:59
1、做分析本身就是想要知道他们之间是否存在显著的关系。
而不是一定就存在关系。 如果那样，你也不要研究 ...

谢谢斑竹解答！参考了前人研究，模型套路大多是一样的，甚至用的数据库也是一样，只是角度不一样。其实我还想知道，分位数回归对样本大小有要求吗？增加reps 重复次数有用吗？或者其他什么方法

洞庭古风 发表于 2013-7-23 23:35
不用客气，分位法的使用上，确实存在一些问题。尽管是新方法，感觉还是不怎么......

用均值研究工资差异的论文已经泛滥了，只能求新技术拉，呵呵

为什么不把 gender 设置成哑变量进入模型呢？
xi: sqreg lwages i.gender edu exp expsq marrige hukou,reps(400) q(.1 .25 .5 .75 .9 )

不知道是不是和楼主的命令等效？

sunkai_bick 发表于 2013-7-24 10:24
为什么不把 gender 设置成哑变量进入模型呢？
xi: sqreg lwages i.gender edu exp expsq marrige hukou,re ...

请问啥叫哑变量？ i.gender ？对数据要重新调整不呢？

sunkai_bick 发表于 2013-7-24 10:24
为什么不把 gender 设置成哑变量进入模型呢？
xi: sqreg lwages i.gender edu exp expsq marrige hukou,re ...

我已经将男女分别设为1和0 . sqreg lwages i.gender edu exp expsq marrige hukou,reps(400) q(.1 .25 .5 .75 .9 )
factor variables and time-series operators not allowed
r(101);
这是命令结果

sunkai_bick 发表于 2013-7-24 10:24
为什么不把 gender 设置成哑变量进入模型呢？
xi: sqreg lwages i.gender edu exp expsq marrige hukou,re ...

sorry，刚才忘记xi:
这是回归结果： 求解释
xi: sqreg lwages i.gender edu exp expsq marrige hukou,reps(400) q(.1 .25 .5 .75 .9 )
i.gender          _Igender_0-1        (naturally coded; _Igender_0 omitted)
(fitting base model)
(bootstrapping ..................................................................................
> ...............................................................................................
> ...............................................................................................
> ...............................................................................................
> .................................)

Simultaneous quantile regression                     Number of obs =       961
  bootstrap(400) SEs                                 .10 Pseudo R2 =    0.0522
                                                     .25 Pseudo R2 =    0.0464
                                                     .50 Pseudo R2 =    0.0607
                                                     .75 Pseudo R2 =    0.0630
                                                     .90 Pseudo R2 =    0.0437

------------------------------------------------------------------------------
             |              Bootstrap
      lwages |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
q10          |
  _Igender_1 |  -.3432319   .0443875    -7.73   0.000    -.4303403   -.2561235
         edu |   .0044282   .0088327     0.50   0.616    -.0129054    .0217619
         exp |   .0111986   .0102614     1.09   0.275    -.0089388    .0313361
       expsq |  -.0003267   .0001935    -1.69   0.092    -.0007064    .0000531
     marrige |   .0920073   .0813587     1.13   0.258    -.0676554      .25167
       hukou |   .0148378   .0453716     0.33   0.744    -.0742019    .1038775
       _cons |   1.049123   .1240376     8.46   0.000     .8057047    1.292541
-------------+----------------------------------------------------------------
q25          |
  _Igender_1 |  -.3246017   .0565798    -5.74   0.000     -.435637   -.2135664
         edu |   .0179218    .009637     1.86   0.063    -.0009904     .036834
         exp |  -.0061462   .0124232    -0.49   0.621    -.0305263    .0182338
       expsq |    .000022   .0002301     0.10   0.924    -.0004296    .0004736
     marrige |     .19135   .0628565     3.04   0.002     .0679971     .314703
       hukou |  -.0128036   .0504296    -0.25   0.800    -.1117694    .0861622
       _cons |    1.32214    .169959     7.78   0.000     .9886035    1.655677
-------------+----------------------------------------------------------------
q50          |
  _Igender_1 |  -.3681119   .0442121    -8.33   0.000    -.4548761   -.2813478
         edu |   .0346906   .0081875     4.24   0.000      .018623    .0507582
         exp |  -.0037601   .0075756    -0.50   0.620    -.0186268    .0111067
       expsq |   .0000744   .0001606     0.46   0.643    -.0002408    .0003896
     marrige |    .233804   .0569843     4.10   0.000     .1219749    .3456331
       hukou |  -.0408086   .0499116    -0.82   0.414    -.1387577    .0571406
       _cons |   1.408482   .1154601    12.20   0.000     1.181897    1.635067
-------------+----------------------------------------------------------------
q75          |
  _Igender_1 |   -.358866    .074256    -4.83   0.000    -.5045899   -.2131421
         edu |   .0639353   .0150476     4.25   0.000      .034405    .0934655
         exp |   .0078313   .0159161     0.49   0.623    -.0234034    .0390661
       expsq |  -.0000535   .0003002    -0.18   0.859    -.0006427    .0005357
     marrige |   .2083393   .1221618     1.71   0.088    -.0313977    .4480762
       hukou |  -.0577824   .0861821    -0.67   0.503    -.2269108     .111346
       _cons |   1.461033   .2213301     6.60   0.000     1.026683    1.895383
-------------+----------------------------------------------------------------
q90          |
  _Igender_1 |  -.4162086   .1368607    -3.04   0.002    -.6847914   -.1476258
         edu |    .059173   .0260214     2.27   0.023     .0081073    .1102388
         exp |  -.0260097   .0218311    -1.19   0.234    -.0688522    .0168327
       expsq |   .0006723   .0004578     1.47   0.142    -.0002261    .0015707
     marrige |   .3548521   .1580229     2.25   0.025     .0447395    .6649646
       hukou |  -.0934988    .135743    -0.69   0.491    -.3598881    .1728905
       _cons |   2.205678   .3708401     5.95   0.000     1.477921    2.933434
------------------------------------------------------------------------------

蓝色 发表于 2013-7-23 23:59
1、做分析本身就是想要知道他们之间是否存在显著的关系。
而不是一定就存在关系。 如果那样，你也不要研究 ...

他的模型套用了明瑟方程，算是中规中矩。

sunkai_bick 发表于 2013-7-24 12:42
1.真心建议楼主抽出两个小时看一下教材，啥叫哑变量？啥叫分位回归？
2.粗浏览了一下啊，控制变量有不显 ...

首先非常感谢您的教诲，小弟基本功着实不扎实，见笑啦
模型中1是女性，0是男性，数据来自CHNS数据库，整理数据是利用excel vlookup（数据库中户编码+line）
参考前人研究，大多采用了户籍和工作经验，结果基本都惊人地显著呢

橙子群 发表于 2013-7-24 19:52
首先非常感谢您的教诲，小弟基本功着实不扎实，见笑啦
模型中1是女性，0是男性，数据来自CHNS数据库，整 ...

首先，谈不到什么“教诲”。
文献是解读研究结果的重要参考，但是，这并不是说研究结果必须和文献保持一致。研究技术不同、样本特征不同都有可能出现与文献不一致的结果。当然，再次强调，如果研究结果与理论认识完全不同，或者颠覆文献较为一致的认识，那么很有可能是数据和研究方法出了问题。

1.户籍、婚姻，也应该是dummy啊
2.不需要把gender用dummy放入回归，因为工资差异分解这个研究本身就要考虑不同性别的系数差异（实际上是不仅仅性别在截距上有差异，在边际效应上也有差异，如果要用dummy的话写成一个方程，也要在每个系数前加dummy，等同于分开回归）
3.你的这个回归结果还是可以的，educ显著。只是经验变量上与前人的不同，但是CHNS本身好像没有“经验”这个变量，你是怎么处理的呢？
4.既然主题是性别工资差异，那这部分的回归并不是文章重点，随便忽悠忽悠就行了