[回归分析求助] 连玉君老师的xtthres，每次回归门槛值都不一样 [推广有奖]

31楼

gongshundaren 发表于 2021-1-17 18:23:16

方文龙发表于 2021-1-17 16:56
老师，您好，我做Did的时候咋Did没有值啊？这是啥原因呢？

处理前和处理后的Diff(T-C)都是0.019，处理前的Diff(T-C)-处理后的Diff(T-C)=Diff-in-Diff=0，这个没毛病。
目测结果是用diff.ado得到的结果。从程序编制者所举的例子来说，这个程序只能处理2期数据，即每个个体只有处理前和处理后两行观测值，我没试过超过2期数据能不能处理。如果你的数据超过2期，推测用这个程序八成有问题。
diff.ado计算DID有好多命令选项可以用，比如covariates、Kernel Propensity Score、Quantile等合计7种估计方法，你好像用到了bootstrap来计算标准误。如果数据确实只有2期，不妨根据help文件改改逗号后面的命令。
如果还不行，可能是基线期和处理期的t(treated) 或p(t) 没有正确赋值。
最后，可能真的就是没有处理效应……此时建议放弃这个估计方法或者如实回报结果。

32楼

方文龙 发表于 2021-1-18 11:31:44 来自手机

请叫我zzl 发表于 2015-12-12 13:27
你好，对于这个种子值的设定，，具体有什么要求吗？比如：我设seed=123456和seed123456789，得到的估计值 ...

老师，您的两期的意思是只有两年吗？我的数据是从07年到19年哎

33楼

小阳爱学习

发表于 2022-9-6 21:04:14

gongshundaren 发表于 2015-9-13 17:49
问题一、运行前设定同一个种子值，并一起运行，如
set seed 123456
xtthres y x1 x4 x5 x6 , th(x3) d(x ...

如何确定合适的种子值呢？

34楼

520wujing 发表于 2022-9-13 21:41:37

方文龙发表于 2021-1-17 10:29
您好，结果如下

你好，我想问下，三个门槛值是怎么确定的呢？看到回归结果中，第二个门槛值反而比第一个小

35楼

520wujing 发表于 2022-9-13 21:44:13

想问下，三重门槛均回归完后，分别对应的三个门槛值是怎么确定的呢？怎么结果里第二个门槛值比第一个还大？？

36楼

北岛尔 发表于 2023-6-2 15:00:05

gzsm 发表于 2016-12-4 15:04
大神，您好！我觉得您水平很高。我和楼主有相似的问题，看了您的答复后我还是没有完全明白。我有两个问题 ...

您好，我想请教您第二个问题。请问您是不同种子下差距大到会影响门槛数的选择了吗？我也遇到了一样的问题，想求教您是怎么解决的？

37楼

北岛尔 发表于 2023-6-2 15:26:57

gongshundaren 发表于 2016-12-7 15:45
第一、三重门槛有个区间被删了是因为存在共线性的问题，也就是说某个门槛区间变量与其他变量（如门槛区间 ...

您好，我想求教您第二个问题。我的种子不同结果不同，但是差异很大，会影响门槛值的选择，这样可以自己挑一个能得到理想结果的种子吗？总觉得这样结论不固定呀

38楼

gongshundaren 发表于 2023-6-11 11:08:06

北岛尔发表于 2023-6-2 15:26
您好，我想求教您第二个问题。我的种子不同结果不同，但是差异很大，会影响门槛值的选择，这样可以自己挑 ...

计量分析本质上是一个数据挖掘的过程，需要通过不同方式和角度探测现象的显著存在性。没有探测到显著性不意味着相关性或因果关系不存在，可能只是因为方式、方法或角度不对。

门槛模型之所以需要需要设定种子，是因为门槛值的来源是网格搜索，但门槛值的显著性来源于bootstrap抽样检验。bootstrap抽样需要利用已有的总体样本N，有放回地再随机抽样形成抽样样本（n1 n2 n3 n4 n5……）并计算相应的统计量（如这里的门槛值thr1 thr2 thr3……），分析依据抽样样本（n1 n2 n3 n4 n5……）得到的统计量的分布，并作统计推断（即查看相应置信度下的置信区间）。

如果不设定的话 seed 一般会默认为此时的电脑系统时间，因此每次随机抽样样本每次都不一样，形成的统计量分布也不一样，得到的统计推断结果也会有差异。

如果种子值设定会影响结果显著性，可能是因为抽样的次数不够，即特定抽样样本下显著，特定抽样样本下不显著，结果不断摇摆。建议在设定种子值保证结果可以重复的情况下，将bs1(#), bs2(#), bs3(#)尽可能地设置大一些，例如1000，抽取尽可能多的抽样样本，以争取结果的稳定可信。