分行业分年度回归分析

侯小琴儿 发表于 2019-2-16 10:27
黄老师，您可能看错了，我想请问的是：
1.这样处理的原因是什么？是不是因为如果控制年度和行业后某个分 ...

这样处理的原因是什么？当然最基本是要有足够观察值跑回归！或要有代表性！跟你猜测之原因无关！

黃河泉 发表于 2019-2-16 14:47
这样处理的原因是什么？当然最基本是要有足够观察值跑回归！或要有代表性！跟你猜测之原因无关！

好的明白啦，谢谢黄老师的耐心解答。

假设5个年份，3个行业，得做15个回归，那么回归结果有15个，怎么看呀，最后取哪个呀，小白求指导

你正在处理分行业分年度的回归分析，遇到了一些问题。我会逐一解答。

（1）如何确保每年每行业至少有15个观测值？

一种方法是在开始分析之前，对数据进行预处理。你可以使用stata中的`collapse`或`egen group`等功能，根据年份和行业筛选出满足条件的观测值。如果某些组别仍然不满足条件，那么可能需要考虑是否采用其他方法来估计模型。

（2）关于残差的计算方式：

你使用的命令中，`predict res1, res` 和 `gen res =.` 后的代码分别对应了两种不同的残差估计方法。这些方法可能会产生不同的结果，这取决于残差的具体定义和计算方式。

对于残差是否应该接近于0的问题，实际上残差不一定是0才准确。在回归分析中，我们通常希望通过拟合模型来尽可能地解释数据的变异性。在这种情况下，残差可以反映出未被模型解释的那一部分变异性。

总之，在进行回归分析时，确保足够的观测值以降低随机误差的影响是很重要的。同时，不同残差估计方法的选择也需要根据研究问题和数据特征来决定。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用