经管之家送您一份
应届毕业生专属福利!
求职就业群
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
<p>我用一个年度的数据做创新活动与自变量的关系.命令是:. xtmelogit rd appro_pac1 appro_pac2 appro_rac1 appro_rac2 appro_size1 appro_size2 appro congl pac1 pac2 rac1 rac2 size1 size2, || code: appro, covariance(unstructured)<br/></p><p>做的结果如下:</p><p>表一:(appro_pac1表示appro与pac1的交互项代入模型中得出的结论)<br/>------------------------------------------------------------------------------<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; rd |&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Coef.&nbsp;&nbsp; Std. Err.&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; z&nbsp;&nbsp;&nbsp; P&gt;|z|&nbsp;&nbsp;&nbsp;&nbsp; [95% Conf. Interval]<br/>-------------+----------------------------------------------------------------<br/>&nbsp; appro_pac1 |&nbsp;&nbsp;&nbsp;&nbsp; .00571&nbsp;&nbsp;&nbsp; .144934&nbsp;&nbsp;&nbsp;&nbsp; 0.04&nbsp;&nbsp; 0.969&nbsp;&nbsp;&nbsp; -.2783554&nbsp;&nbsp;&nbsp; .2897753<br/>&nbsp; appro_pac2 |&nbsp;&nbsp; .0571876&nbsp;&nbsp; .1310171&nbsp;&nbsp;&nbsp;&nbsp; 0.44&nbsp;&nbsp; 0.662&nbsp;&nbsp;&nbsp; -.1996011&nbsp;&nbsp;&nbsp; .3139763<br/>&nbsp; appro_rac1 |&nbsp;&nbsp; .1973618&nbsp;&nbsp; .1408538&nbsp;&nbsp;&nbsp;&nbsp; 1.40&nbsp;&nbsp; 0.161&nbsp;&nbsp;&nbsp; -.0787066&nbsp;&nbsp;&nbsp; .4734301<br/>&nbsp; appro_rac2 |&nbsp;&nbsp; .1798219&nbsp;&nbsp; .1112199&nbsp;&nbsp;&nbsp;&nbsp; 1.62&nbsp;&nbsp; 0.106&nbsp;&nbsp;&nbsp;&nbsp; -.038165&nbsp;&nbsp;&nbsp; .3978089<br/>&nbsp;appro_size1 |&nbsp;&nbsp; 52.08938&nbsp;&nbsp; 27.76846&nbsp;&nbsp;&nbsp;&nbsp; 1.88&nbsp;&nbsp; 0.061&nbsp;&nbsp;&nbsp; -2.335799&nbsp;&nbsp;&nbsp; 106.5146<br/>&nbsp;appro_size2 |&nbsp; -2.847773&nbsp;&nbsp; 18.76013&nbsp;&nbsp;&nbsp; -0.15&nbsp;&nbsp; 0.879&nbsp;&nbsp;&nbsp; -39.61695&nbsp;&nbsp;&nbsp; 33.92141<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; appro |&nbsp;&nbsp; .5853688&nbsp;&nbsp; .2431016&nbsp;&nbsp;&nbsp;&nbsp; 2.41&nbsp;&nbsp; 0.016&nbsp;&nbsp;&nbsp;&nbsp; .1088984&nbsp;&nbsp;&nbsp; 1.061839<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; congl |&nbsp; -.0212168&nbsp;&nbsp; .1530494&nbsp;&nbsp;&nbsp; -0.14&nbsp;&nbsp; 0.890&nbsp;&nbsp;&nbsp; -.3211881&nbsp;&nbsp;&nbsp; .2787544<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; pac1 |&nbsp;&nbsp; .0916092&nbsp;&nbsp; .1258218&nbsp;&nbsp;&nbsp;&nbsp; 0.73&nbsp;&nbsp; 0.467&nbsp;&nbsp;&nbsp;&nbsp; -.154997&nbsp;&nbsp;&nbsp; .3382154<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; pac2 |&nbsp;&nbsp; .0408745&nbsp;&nbsp;&nbsp; .113857&nbsp;&nbsp;&nbsp;&nbsp; 0.36&nbsp;&nbsp; 0.720&nbsp;&nbsp;&nbsp; -.1822811&nbsp;&nbsp;&nbsp; .2640301<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; rac1 |&nbsp;&nbsp; .1517019&nbsp;&nbsp; .1246562&nbsp;&nbsp;&nbsp;&nbsp; 1.22&nbsp;&nbsp; 0.224&nbsp;&nbsp;&nbsp; -.0926197&nbsp;&nbsp;&nbsp; .3960236<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; rac2 |&nbsp;&nbsp;&nbsp; .421256&nbsp;&nbsp; .0972229&nbsp;&nbsp;&nbsp;&nbsp; 4.33&nbsp;&nbsp; 0.000&nbsp;&nbsp;&nbsp;&nbsp; .2307027&nbsp;&nbsp;&nbsp; .6118094<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; size1 |&nbsp;&nbsp; -18.1894&nbsp;&nbsp; 22.55833&nbsp;&nbsp;&nbsp; -0.81&nbsp;&nbsp; 0.420&nbsp;&nbsp;&nbsp; -62.40292&nbsp;&nbsp;&nbsp; 26.02412<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; size2 |&nbsp; -8.150997&nbsp;&nbsp; 17.62528&nbsp;&nbsp;&nbsp; -0.46&nbsp;&nbsp; 0.644&nbsp;&nbsp;&nbsp; -42.69591&nbsp;&nbsp;&nbsp; 26.39392<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; _cons |&nbsp;&nbsp; 2.257901&nbsp;&nbsp; .2252148&nbsp;&nbsp;&nbsp; 10.03&nbsp;&nbsp; 0.000&nbsp;&nbsp;&nbsp;&nbsp; 1.816488&nbsp;&nbsp;&nbsp; 2.699314<br/>------------------------------------------------------------------------------</p><p>表二</p><p>------------------------------------------------------------------------------<br/>&nbsp; Random-effects Parameters&nbsp; |&nbsp;&nbsp; Estimate&nbsp;&nbsp; Std. Err.&nbsp;&nbsp;&nbsp;&nbsp; [95% Conf. Interval]<br/>-----------------------------+------------------------------------------------<br/>code: Unstructured&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; |<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; sd(appro) |&nbsp;&nbsp; .4457108&nbsp;&nbsp; .3287961&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; .1049859&nbsp;&nbsp;&nbsp; 1.892237<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; sd(_cons) |&nbsp;&nbsp; .4104451&nbsp;&nbsp;&nbsp; .241648&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; .1294534&nbsp;&nbsp;&nbsp; 1.301358<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; corr(appro,_cons) |&nbsp; -.9647939&nbsp;&nbsp;&nbsp; .107913&nbsp;&nbsp;&nbsp;&nbsp; -.9999208&nbsp;&nbsp;&nbsp;&nbsp; .780513<br/>------------------------------------------------------------------------------<br/></p><p>问一:表一的大多数的P值都大于0.005这怎么办?有没有什么方法来使P值变得小一些?对于这些系数的解释是不是大于0.5则选择这一个自变量的企业就易于选择RD活动?</p><p>问二:表二中的随机影响参数怎么样来解释其估计值?是不是大于0.5,选择appro的企业就会更加从事与RD研发活动?</p><p></p><p>谢谢指导!</p><p></p><p></p>
![二维码]()
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
| 
加好友,备注jltj
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
发帖
雷达卡
