稳健性检验结果的显著性趋势必须与实证检验一致吗

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

我做的是当期和三期滞后，实证回归结果是当期、滞后一期、两期、三期都在0.001水平显著，相关系数先增后减，滞后一期达到最大；稳健性检验结果是只有滞后一期在0.05水平显著，但相关系数也是先增后减，滞后一期最大，符号也与实证回归相同。请问我可以得出自变量对因变量影响先增后减，滞后一期最大的结论嘛？这个稳健性检验是否能成立呢？
谢谢！！

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1 回帖

关键词：稳健性检验 相关系数 实证回归 回归结果 检验结果 稳健性检验 显著性水平 相关系数 回归分析 面板数据

你的叙述有点抽象，最好将指令与结果发出，以供判断！

黃河泉 发表于 2018-8-17 09:38
你的叙述有点抽象，最好将指令与结果发出，以供判断！

都是OLS回归reg
实证检验（选ROA为因变量指标）：得到当期、滞后一、二期均显著，但滞后一期相关系数最大
稳健性检验（选托宾Q为因变量指标）：得到只有滞后一期显著，也是相关系数最大的，正负方向与实证检验相同
虽然显著性不一样，但趋势一样，所以想请教下，我可以得出先增后减的结论嘛？
谢谢！

哇噻的Kiwi 发表于 2018-8-20 17:47
都是OLS回归reg
实证检验（选ROA为因变量指标）：得到当期、滞后一、二期均显著，但滞后一期相关系数最大 ...

我看不出来你到底做了什么？无法评论！

不可以！因为显著性和系数都发生了变化，换句话说就是两次回归的标准差也不同，你可以检验一下系数的差异性，差异显著这样才能说明影响是先增长后减弱！

18638292722 发表于 2018-8-21 00:10
不可以！因为显著性和系数都发生了变化，换句话说就是两次回归的标准差也不同，你可以检验一下系数的差异性 ...

谢谢您！不过我问的太抽象了，您的回答我没有完全理解。下面详细一点的数据：

实证检验回归部分（财务绩效选用ROA衡量）：

---------------------------------------------------------------------------------------------------------------------------------

                   当期           滞后一期       滞后两期       滞后三期   

                   ROA             ROA            ROA           ROA

---------------------------------------------------------------------------------------------------------------------------------

x1            0.00186***     0.000481***  0.000446***  0.000206                                 

                             (4.74)          (5.12)                 (3.57)                (1.66)        

稳健性检验部分（财务绩效选用托宾Q替代ROA）：

---------------------------------------------------------------------------------------------------------------------------------

                   当期         滞后一期        滞后两期        滞后三期   

                    TBQ           TBQ            TBQ            TBQ   

---------------------------------------------------------------------------------------------------------------------------------

x1               0.00920      0.0180*        0.0177         0.00168                       

                           (1.84)           (2.05)                    (1.68)          (0.20)      
x1是自变量。我看的文献都是类似表2的结果，然后作者就根据显著性做出了先增后减的判断。
我担心的是表1的显著性，1.如果显著性一样，可以根据相关系数判断出先增后减吗？因为显著性不是判断关系存在而相关系数才是判断相关程度（即影响）有多少嘛？
2. 表1回归和表2稳健性检验结果的显著性不同，能否判断稳健性呢？或者说，稳健性检验结果显著性必须要和前面一致吗，还是只要同样得出先增后减结论就可以呢？
（谢谢您的指教，如果有理解错的请您指正！）

黃河泉 发表于 2018-8-20 18:00
我看不出来你到底做了什么？无法评论！

抱歉说得太抽象，我的详细数据节选是这样的：
实证检验回归部分（财务绩效选用ROA衡量）：
---------------------------------------------------------------------------------------------------------------------------------

                   当期           滞后一期       滞后两期       滞后三期   

                   ROA             ROA            ROA           ROA

---------------------------------------------------------------------------------------------------------------------------------

x1            0.00186***     0.000481***  0.000446***  0.000206                                 

                             (4.74)          (5.12)                 (3.57)                (1.66)        

稳健性检验部分（财务绩效选用托宾Q替代ROA）：
---------------------------------------------------------------------------------------------------------------------------------

                   当期         滞后一期        滞后两期        滞后三期   

                    TBQ           TBQ            TBQ            TBQ   

---------------------------------------------------------------------------------------------------------------------------------

x1               0.00920      0.0180*        0.0177         0.00168                       

                           (1.84)           (2.05)                    (1.68)          (0.20)      

哇噻的Kiwi 发表于 2018-8-22 01:01
抱歉说得太抽象，我的详细数据节选是这样的：
实证检验回归部分（财务绩效选用ROA衡量）：
----------- ...

还是看不懂！

黃河泉 发表于 2018-8-22 07:42
还是看不懂！

请问您对我说的哪一部分不明白呀？
实证检验和稳健性检验的结果我发了因变量与自变量显著性和相关系数的那一行，想问，根据下面表格（即稳健性检验）的结果，能证明通过上面表格（即实证）结果得出的“自变量对因变量的影响作用随当期、滞后一期、滞后两期、滞后三期先增后减”这个结论稳健嘛？

哇噻的Kiwi 发表于 2018-8-22 08:45
请问您对我说的哪一部分不明白呀？
实证检验和稳健性检验的结果我发了因变量与自变量显著性和相关系数的 ...

你的回归与结果呢？