建模前选取了许多变量，回归后发现很多都不显著该怎么办？

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

做计量分析时，初期选取了很多变量，回归后发现很多变量的T值很小，不显著。但总体模型是显著的F值很大，也进行了多重共线性检验，方差膨胀因子1.2，应该没有共线性了吧。是不是意思是我选取的这些变量没有意义呢？
现在就是想问，写结论的时候那些不显著的变量还可以放到模型里面吗？因为如果删掉的话就剩下两个变量感觉有点少。。
还是说我研究的这个问题没有价值呢？

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4 回帖

关键词：多变量 怎么办 多重共线性检验 方差膨胀因子 多重共线性 价值 模型

你的关注变量是否显著，一般来说变量的选取要有经济理论作为依托

不显著就是不显著嘛，你还非得要它显著，真是的

你研究什么问题就主要关注某几个变量的显著性即可，再加几个其他解释变量作为控制变量，控制变量不显著没关系，你要关注的变量显著最好，可以很容易地解释。

如果有一两个不显著的，就要从三方面来找原因。

第一个，数据和变量有没有问题。数据本身有大量残缺或者不真实（不能反映真实情况），变量不能有效地作为你要研究的问题的替代变量（包括解释和被解释变量），变量过多，共线性，遗漏重要变量等。这些要从数据的质量和变量的选择入手来思考怎么处理。


第二个，估计方法是不是合理的。比如数据有异质性，异方差、自相关、截面相关等。这些问题要把变量转化或者采用合适的估计方法和模型来消除这些异质性，从而得到有效的估计。

第三个，这一两个变量本身就确实与被解释变量无关，更准确地说是关系不显著（统计学上的关系不显著不等于不相关和没有影响，只表明这种关系和影响很难测度到）。当解释变量不显著的时候，两种方法，第一是寻找研究范围内其他的更合适的变量（新的替代变量）作为新的解释变量，直到显著为止；第二是如果在研究范围内实在找不到其他更合适的替代变量，那么可以认定解释变量和被解释变量之间关系不显著，然后通过推理和文献引证（如果没有文献可以佐证就算了）的方式进行合理解释即可。