分组回归和交叉项的研究意义区别

学习了，论坛里大神多啊

heric221 发表于 2015-4-27 07:29
SOE组：A+**， B-不显著；非SOE组：A+不显著， B-*
这样的结果是基于全样本回归一次性获得还是基于两次回 ...

是这样 首先全样本回归， A+ B-显著  比如sample=400
然后用SOE分组，SOE组：A+**， B-不显著 （sample=180）；非SOE组：A+不显著， B-*（sample=220）

采用过auizxp 给的交叉项回归，加入交叉项之后，连主要解释变量AB都不显著了，比较惊悚。。。

所以学术上讲，还是交叉项比较站得住脚是吗？

binggol 发表于 2015-4-27 10:13
你可以看谢宇的回归分析 在总样本中构造完全的交互项 也就是与模型中所有自变量都交互 这个时候跟分组回归系 ...

谢谢。 不过我这个如果交叉项，也不是所有自变量都交互啊

比如基础模型 Y=A+B+C ...
加入交叉项是Y=A+B+C+AC+BC+....

只是主要解释变量A和B加了交叉项。 这样是不是和分组没有可比性啊？

是不是交叉项比分组更有说服力呀

auirzxp 发表于 2015-4-26 12:34
当然分组也是可以的。如果按照SOE分组，模型应该是：
（1）Y=A+B+MARKET，当SOE==1
（2）Y=A+B+MARKET，当 ...

参照您提供的分组思路，效果还可以。 请问，用分组，而不用交叉项，模型会被认为有硬伤吗？

binggol 发表于 2015-4-27 10:13
你可以看谢宇的回归分析 在总样本中构造完全的交互项 也就是与模型中所有自变量都交互 这个时候跟分组回归系 ...

您好 我看了下这本书，有个关于交叉项的低次项显著性的问题求教

假如 基础模型 Y=A+B+C,  A+显著， B-显著
加入交叉项， Y=A+B+C+A*C+B*C，把C当作调节变量。 如果A*C显著，B*C显著，A显著，但是此时B 不显著
这样可以接受吗？

书里面说，加入交叉项后，低次项（构建交叉项的A B C ）的显著性就不能用这个统计来看了，这个时候重点看交叉项，那意思是只要A*C显著，B*C显著，B不显著没关系？ 我的理解有偏差吗？ 谢谢！

auirzxp 发表于 2015-4-27 23:41
看具体情况。比如SOE本来就是0/1，所以分组没问题。但是MARKET本来是连续变量，被人为地搞成0/1之后再分组 ...

嗯 明白   那个market我本身用作control的时候就是用了0/1 也是基于文献的。 现在想向您请教单纯是0/1分组的情况。同学觉得，分组，样本就有自选择偏差 ，相当于样本就有问题了，会被challenge， 您怎么看呢？

auirzxp 发表于 2015-4-27 23:41
看具体情况。比如SOE本来就是0/1，所以分组没问题。但是MARKET本来是连续变量，被人为地搞成0/1之后再分组 ...

我自己又想了想，分组被aruge自选择偏差，是因为内生性问题。 比如一个人买不买保险，是可以自己选择的。
我这里的SOE/非SOE，我觉得是没啥内生性问题的。不过市场化进程，会不会有潜在内生性问题？
研究的Y 是高管薪酬

auirzxp 发表于 2015-4-28 00:13
市场化应该是个区域变量，一般是省，比如樊纲的那个市场化指数。对于企业来说，这个应该是外生的（虽然不 ...

对  我用的就是樊纲那个，高于中位数的取1
感谢感谢！