做面板变系数固定效应模型，但是回归系数的t检验基本都不显著，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

做面板变系数固定效应模型，但是回归系数的t检验基本都不显著，怎么办？可以在原有基础上估计方法采用PCSE方法吗？我的模型是：LnN=a+b1LnY+b2LnW+b3Sec+b4Ter+u(一个被解释变量，四个解释变量)，时间跨度：2002年-2012年，三个省份。
请问系数不显著可以选择PCSE估计方法来估计参数吗？我发现这样的话，t就显著了。。。菜鸟一枚，求大神赐教

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3 回帖

关键词：固定效应模型 回归系数 固定效应 怎么办 t检验

急用！！求大神赐教！可不可以这样做！

Dependent Variable: N?                               
Method: Pooled Least Squares                               
Date: 12/15/15   Time: 21:14                               
Sample: 2002 2012                               
Included observations: 11                               
Cross-sections included: 3                               
Total pool (balanced) observations: 33                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
C        10.21653        2.585891        3.950876        0.0009
_BJ--Y_BJ        0.668759        1.052951        0.635129        0.5333
_TJ--Y_TJ        0.905935        0.413952        2.188503        0.0421
_HB--Y_HB        0.269005        0.486313        0.553153        0.5870
_BJ--W_BJ        -0.092046        0.896555        -0.102667        0.9194
_TJ--W_TJ        -0.334322        0.599413        -0.557748        0.5839
_HB--W_HB        -0.070478        0.420361        -0.167661        0.8687
_BJ--SEC_BJ        0.119388        0.033368        3.577937        0.0022
_TJ--SEC_TJ        -0.298364        0.093503        -3.190971        0.0051
_HB--SEC_HB        -0.011177        0.029810        -0.374941        0.7121
_BJ--TER_BJ        0.088795        0.034858        2.547291        0.0202
_TJ--TER_TJ        -0.300069        0.088033        -3.408582        0.0031
_HB--TER_HB        0.003148        0.040817        0.077127        0.9394
Fixed Effects (Cross)                               
_BJ--C        -17.99277                       
_TJ--C        21.34014                       
_HB--C        -3.347369                       
                               
        Effects Specification                       
                               
Cross-section fixed (dummy variables)                               
                               
R-squared        0.997658            Mean dependent var                7.145960
Adjusted R-squared        0.995837            S.D. dependent var                0.796098
S.E. of regression        0.051368            Akaike info criterion                -2.796666
Sum squared resid        0.047495            Schwarz criterion                -2.116436
Log likelihood        61.14499            F-statistic                547.7208
Durbin-Watson stat        2.605600            Prob(F-statistic)                0.000000
                               

Dependent Variable: N?                               
Method: Pooled Least Squares                               
Date: 12/15/15   Time: 21:45                               
Sample: 2002 2012                               
Included observations: 11                               
Cross-sections included: 3                               
Total pool (balanced) observations: 33                               
Cross-section weights (PCSE) standard errors & covariance (d.f.                               
        corrected)                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
C        10.21653        0.205893        49.62059        0.0000
_BJ--Y_BJ        0.668759        0.023821        28.07384        0.0000
_TJ--Y_TJ        0.905935        0.036505        24.81672        0.0000
_HB--Y_HB        0.269005        0.001460        184.2530        0.0000
_BJ--W_BJ        -0.092046        0.020283        -4.538052        0.0003
_TJ--W_TJ        -0.334322        0.052860        -6.324635        0.0000
_HB--W_HB        -0.070478        0.001262        -55.84724        0.0000
_BJ--SEC_BJ        0.119388        0.000755        158.1513        0.0000
_TJ--SEC_TJ        -0.298364        0.008246        -36.18430        0.0000
_HB--SEC_HB        -0.011177        8.95E-05        -124.8914        0.0000
_BJ--TER_BJ        0.088795        0.000789        112.5949        0.0000
_TJ--TER_TJ        -0.300069        0.007763        -38.65191        0.0000
_HB--TER_HB        0.003148        0.000123        25.69063        0.0000
Fixed Effects (Cross)                               
_BJ--C        -17.99277                       
_TJ--C        21.34014                       
_HB--C        -3.347369                       
                               
        Effects Specification                       
                               
Cross-section fixed (dummy variables)                               
                               
R-squared        0.997658            Mean dependent var                7.145960
Adjusted R-squared        0.995837            S.D. dependent var                0.796098
S.E. of regression        0.051368            Akaike info criterion                -2.796666
Sum squared resid        0.047495            Schwarz criterion                -2.116436
Log likelihood        61.14499            F-statistic                547.7208
Durbin-Watson stat        2.605600            Prob(F-statistic)                0.000000
                               

这是用eviews回归后的结果，第一个是变系数固定效应模型。第二个是用PCSE估计的变系数固定效应模型

请问你最后怎么解决的？我也遇到同样的问题！

我也遇到了同样的问题。请问楼主是怎么解决的。谢谢

PCSE估计怎么做啊

如果不显著一般而言就是你模型建的有问题或者是变量的数据在收集的时候不太对，建议楼主多看看相关内容的期刊论文，里面的数据收集和建模很有参考价值。
另外对于PCSE的问题，我自己的论文出现了类似的问题，我使用PCSE回归之后效果很好，但是我导师不同意我这么做，他认为这个方法的范围太大太笼统，估计结果很可能是有偏的。
最后我的解决方法是添加了一个交互项，然后添加了新的变量，对于数据进行了调整。使用XTSCC做的回归，效果改善很大。
建议你还是多看论文，里面很多思路都可以借鉴尝试。自己的拙见，希望对你有帮助

糖块块 发表于 2016-3-28 05:50
如果不显著一般而言就是你模型建的有问题或者是变量的数据在收集的时候不太对，建议楼主多看看相关内容的期 ...

谢谢你！非常感谢