交互项之简介---"共线性"不是杀人凶手!

黃河泉 发表于 2017-7-12 07:32
你要清楚地跟我讲你要做什么，我才能给建议！

我的初衷是：想讨论在国有企业内，独立机构投资者与审计收费的关系以及非独立机构投资者与审计收费的关系；在非国有企业内，独立机构投资者与审计收费的关系以及非独立机构投资者与审计收费的关系。
变量定义：LnFee为审计收费、Insti1为独立机构投资者、Insti2为非独立的机构投资者、Ownership为控股股东性质。
我原来的做法是，把自己的样本分为国有企业和非国有企业，然后分别通过两个模型回归。但是发现没有交叉项显示，当ownership为0时，insti1*ownership那一项就是0向量了。
正确的做法是不是不用分样本回归，而是把我所有的样本直接带入公式回归？因为ownership这个虚拟变量本来就对控股股东的性质做了分类？
谢谢您。

Janice_Yang 发表于 2017-7-12 08:04
我的初衷是：想讨论在国有企业内，独立机构投资者与审计收费的关系以及非独立机构投资者与审计收费的关系 ...

你这样做会有完全共线性 (insti1 与 insti2 是虚拟变量吗？Ownership 应该是虚拟变量) 之问题，所有估计时有些变量会被消去！

黃河泉 发表于 2017-7-12 08:31
你这样做会有完全共线性 (insti1 与 insti2 是虚拟变量吗？Ownership 应该是虚拟变量) 之问题，所有估计时 ...

insti1为独立机构投资者持股比例、insti1为非独立机构投资者持股比例。
我看论坛的说法，是需要对变量中心化处理吗？
您的意思是，不是我分了国企的样本和非国企样本回归的问题，而是共线性的问题吗？
不好意思麻烦您了。

Janice_Yang 发表于 2017-7-12 08:36
insti1为独立机构投资者持股比例、insti1为非独立机构投资者持股比例。
我看论坛的说法，是需要对变量中 ...

你可以试试用所有样本去估计 Y=β0+β1Insti1+β2Insti2+β3Insti1*Ownership+β4Insti2*Ownership+β5Ownership+ΣControl+ε。

黃河泉 发表于 2017-7-12 09:14
你可以试试用所有样本去估计 Y=β0+β1Insti1+β2Insti2+β3Insti1*Ownership+β4Insti2*Ownership+β5 ...

好的。谢谢您。

老师您好，我想再请教您一个问题。
有一位前辈指导说，国有企业和非国有企业两个子样本单独做回归和所有样本一起做而将企业作为一个虚拟变量纳入模型，这两个处理是不同的概念，解决的是不同的问题。
我的回归结果是，分样本回归结果很好能很好的说明我想要讨论的问题；但是纳入交互项后，交互项不显著。
我想请教您，他们究竟有什么差别呢？

Janice_Yang 发表于 2017-7-13 18:27
老师您好，我想再请教您一个问题。
有一位前辈指导说，国有企业和非国有企业两个子样本单独做回归和所有样 ...

国有企业和非国有企业两个子样本单独做回归和所有样本一起做而将企业作为一个虚拟变量纳入模型（与所有变量相乘），在我看来是"几乎"一样的东西！你应该问你的前辈有何差异！

谢谢，一直有关注您的帖子，很好。

黄老师，如果分析两个核心变量对因变量之作用哪一个更大，可以用交互项来解释吗？还是直接比较系数大小？

月宫里的白兔 发表于 2017-7-21 14:32
黄老师，如果分析两个核心变量对因变量之作用哪一个更大，可以用交互项来解释吗？还是直接比较系数大小？

1. 应可直接比较！2. 但可注意两变量是否一样衡量单位？是否具有可比性？