关于控制变量

强烈抗议stattoeco言行

不要动不动就叫人家去看书，这是中国人的恶习，同学有问题，你能解救就解救，要去看书用不着你说。

你很能的话，就用最简单、最明了的语言说出来，这对你也是一种提高，不要故作高声看书看书。自己也不知

动了多少。学霸，恶心！！！有些人以为懂了，其实他懂得的仅仅是皮毛皮毛而已。赞同我得的请强烈支持。

Dummy variables are not necessary to be boolean variables(0/1), theycould be 1,2,3,4,....Application....ie : cross-section data analysis.

设置控制变量，目的是消除外生变异对因变量的影响。因为，当我们假设自变量x对因变量y有影响时，可能还有其他变量也是影响y的自变量，此时，如果我们只检验x对y的影响，可能无法正确判断是否x与y之间显性的影响系数真正是由x唯一对y发生作用的，即有可能高估x对y的影响，为了消除这种猜疑，需要把一些可能对y产生影响的其他变量与我们关注的自变量x同时考虑，但这些变量并不是我们关注的重点，即我们对这些变量与因变量y之间的关系是否显著，并不在意，我们关注的焦点依然是x对y的影响，这些被同时作为自变量与x一起用作对y变量进行回归的变量就是我们所说的控制变量，可以这样理解：控制这些变量，再观察x对y 的影响，此时得到的结果更真实可信。在回归模型中的具体操作有两种做法：（1）纳入法，类似交互效应的检验，需要将控制变量、自变量x以及二者的标准化后值乘积项同时对y进行回归；（2）统计控制，就是把控制变量与x都用作自变量对y进行回归。详细论述建议参考：陈晓萍、徐淑英 编著的《组织与管理研究的实证方法》2008版的第123和124页。至于虚拟变量，并不是所有控制变量都有必要搞成虚拟变量的，比如在研究战略对企业绩效的影响时，企业规模（员工人数或资本额）变量也需要作为控制变量纳入回归模型中，但企业规模就没必要搞成虚拟变量了。但像企业行业、所有制类型就必须搞成虚拟变量才能纳入回归模型中，如果只有两个行业则设置一个虚拟变量，第一个行业的虚拟变量值为0，第二个行业的虚拟变量值为1；如果有3个行业则需要设置两个虚拟变量，第一个虚拟变量的值是这样设置的，当企业为第2个行业时，则虚拟变量值设为1，其他值全部设为0，第二个虚拟变量的值这样设置，当企业为第3个行业时，则虚拟变量值设为1，其他值全部设为0，同理4行业需要设置3个虚拟变量，依次类推。

感谢版主，受教了！！

yinhezhiwang 发表于 2010-6-28 23:06
设置控制变量，目的是消除外生变异对因变量的影响。因为，当我们假设自变量x对因变量y有影响时，可能还有其他变量也是影响y的自变量，此时，如果我们只检验x对y的影响，可能无法正确判断是否x与y之间显性的影响系数真正是由x唯一对y发生作用的，即有可能高估x对y的影响，为了消除这种猜疑，需要把一些可能对y产生影响的其他变量与我们关注的自变量x同时考虑，但这些变量并不是我们关注的重点，即我们对这些变量与因变量y之间的关系是否显著，并不在意，我们关注的焦点依然是x对y的影响，这些被同时作为自变量与x一起用作对y变量进行回归的变量就是我们所说的控制变量，可以这样理解：控制这些变量，再观察x对y 的影响，此时得到的结果更真实可信。在回归模型中的具体操作有两种做法：（1）纳入法，类似交互效应的检验，需要将控制变量、自变量x以及二者的标准化后值乘积项同时对y进行回归；（2）统计控制，就是把控制变量与x都用作自变量对y进行回归。详细论述建议参考：陈晓萍、徐淑英 编著的《组织与管理研究的实证方法》2008版的第123和124页。至于虚拟变量，并不是所有控制变量都有必要搞成虚拟变量的，比如在研究战略对企业绩效的影响时，企业规模（员工人数或资本额）变量也需要作为控制变量纳入回归模型中，但企业规模就没必要搞成虚拟变量了。但像企业行业、所有制类型就必须搞成虚拟变量才能纳入回归模型中，如果只有两个行业则设置一个虚拟变量，第一个行业的虚拟变量值为0，第二个行业的虚拟变量值为1；如果有3个行业则需要设置两个虚拟变量，第一个虚拟变量的值是这样设置的，当企业为第2个行业时，则虚拟变量值设为1，其他值全部设为0，第二个虚拟变量的值这样设置，当企业为第3个行业时，则虚拟变量值设为1，其他值全部设为0，同理4行业需要设置3个虚拟变量，依次类推。

控制变量未必是虚拟变量。很多控制变量是一个独立的自变量。
虚拟变量，其实是一种调节变量，或调节截距，或调节斜率。调节截距时，以独立变量进行回归；调节斜率时，为交互效应，故以与被调节自变量的乘积进入回归。

自己的理解，可能有误。

收益好多，谢谢大家

yinhezhiwang 发表于 2010-6-28 23:06
设置控制变量，目的是消除外生变异对因变量的影响。因为，当我们假设自变量x对因变量y有影响时，可能还有其他变量也是影响y的自变量，此时，如果我们只检验x对y的影响，可能无法正确判断是否x与y之间显性的影响系数真正是由x唯一对y发生作用的，即有可能高估x对y的影响，为了消除这种猜疑，需要把一些可能对y产生影响的其他变量与我们关注的自变量x同时考虑，但这些变量并不是我们关注的重点，即我们对这些变量与因变量y之间的关系是否显著，并不在意，我们关注的焦点依然是x对y的影响，这些被同时作为自变量与x一起用作对y变量进行回归的变量就是我们所说的控制变量，可以这样理解：控制这些变量，再观察x对y 的影响，此时得到的结果更真实可信。在回归模型中的具体操作有两种做法：（1）纳入法，类似交互效应的检验，需要将控制变量、自变量x以及二者的标准化后值乘积项同时对y进行回归；（2）统计控制，就是把控制变量与x都用作自变量对y进行回归。详细论述建议参考：陈晓萍、徐淑英 编著的《组织与管理研究的实证方法》2008版的第123和124页。至于虚拟变量，并不是所有控制变量都有必要搞成虚拟变量的，比如在研究战略对企业绩效的影响时，企业规模（员工人数或资本额）变量也需要作为控制变量纳入回归模型中，但企业规模就没必要搞成虚拟变量了。但像企业行业、所有制类型就必须搞成虚拟变量才能纳入回归模型中，如果只有两个行业则设置一个虚拟变量，第一个行业的虚拟变量值为0，第二个行业的虚拟变量值为1；如果有3个行业则需要设置两个虚拟变量，第一个虚拟变量的值是这样设置的，当企业为第2个行业时，则虚拟变量值设为1，其他值全部设为0，第二个虚拟变量的值这样设置，当企业为第3个行业时，则虚拟变量值设为1，其他值全部设为0，同理4行业需要设置3个虚拟变量，依次类推。

非常透彻的讲解！受教了！

有點明白。

学习不少，谢谢。。

很受益，谢谢~