[统计软件] 为什么控制变量越多解释变量反而更显著? [推广有奖]

1关注
6粉丝

讲师

62%

还不是VIP/贵宾

威望: 0 级
论坛币: 755 个
通用积分: 2.0993
学术水平: 4 点
热心指数: 5 点
信用等级: 1 点
经验: 8570 点
帖子: 282
精华: 0
在线时间: 418 小时
注册时间: 2012-6-23
最后登录: 2020-6-10

楼主

pekams 发表于 2014-8-31 22:21:36 |AI写论文

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

我在只使用几个核心的解释变量的时候都都不显著，但是一旦加入了很多其他的控制变量，这几个核心解释变量反而显著了，这个应该如何理解? 一般都应该是自变量越多越不容易显著啊。谢谢！！

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7 回帖

关键词：控制变量解释变量如何理解自变量如何自变量

相关帖子

沙发

Devil柒染 发表于 2014-8-31 22:45:38 来自手机

这几个变量之间有一定的关系！

藤椅

2003201202 发表于 2014-8-31 23:00:42

在没有加控制变量时，控制变量隐含在扰动项中，加入到模型中之后，相当于对残差中的某些成分进行了剔除，因此，回归系数的标准误降低了。另外，控制变量与核心变量可能相关，未剔除时，导致了内生性，进而导致系数与其方差的估计值均是有偏的，导致统计推断出现错误。

板凳

shortsale 发表于 2014-9-1 08:13:16

变量的显著性是有t-value决定的，而t-value是由回归系数的估计值与其标准误相除得到。加入更多的变量对标准误有两方面影响：一是可能增加变量间共线性，导致标准误增加，二是减少扰动项的方差，导致标准误减少。至于加入更多变量对回归系数大小的影响就比较复杂，涉及到变量之间的复杂关系，很难确定是变大还是变小。一般加入更多变量会使显著性下降主要是多重共性导致标准误增加的原因，具体情况要考虑以上几个方面。