楼主: billzdy
2644 1

[面板数据求助] p值不显著，Linear regression line效果不错，预测结果可以使用吗？(含dataex) [推广有奖]

  • 0关注
  • 0粉丝

高中生

65%

还不是VIP/贵宾

-

0%
威望
0 级
论坛币
407 个
通用积分
0
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
161 点
帖子
5
精华
0
在线时间
60 小时
注册时间
2005-1-12
最后登录
2019-2-27
楼主
billzdy 学生认证  发表于 2018-9-2 10:30:49 |AI写论文

+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
最近在写毕业论文，论文主题是英国上市公司自由现金流与under-investment的相关性, 碰到了一个很棘手的问题。
用大N小T（T=2008-2010）面板数据做回归时，p值仅有一个显著。
code:
xtreg I_new L.I_new age L.size L.cash L.q L.roa L.leve,r
Random-effects GLS regression                   Number of obs     =      6,001
Group variable: ticker                          Number of groups  =      1,040

R-sq:                                           Obs per group:
     within  = 0.2442                                         min =          1
     between = 0.9832                                         avg =        5.8
     overall = 0.9507                                         max =          9

                                                Wald chi2(7)      =    5353.32
corr(u_i, X)   = 0 (assumed)                    Prob > chi2       =     0.0000

                             (Std. Err. adjusted for 1,040 clusters in ticker)
------------------------------------------------------------------------------
             |               Robust
       I_new |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       I_new |
         L1. |   1.012611   .0808393    12.53   0.000     .8541688    1.171053
             |
         age |   316.7061   233.0245     1.36   0.174    -140.0134    773.4257
             |
        size |
         L1. |  -546.9088   1754.403    -0.31   0.755    -3985.476    2891.659
             |
        cash |
         L1. |  -2895.849   2381.849    -1.22   0.224    -7564.187    1772.489
             |
           q |
         L1. |   5.484973    3.25541     1.68   0.092    -.8955142    11.86546
             |
         roa |
         L1. |  -99245.93   132343.1    -0.75   0.453    -358633.7    160141.8
             |
        leve |
         L1. |   1431.656    5116.02     0.28   0.780     -8595.56    11458.87
             |
       _cons |   1659.186   16374.11     0.10   0.919    -30433.48    33751.85
-------------+----------------------------------------------------------------
     sigma_u |  28445.971
     sigma_e |  56345.111
         rho |  .20310856   (fraction of variance due to u_i)
------------------------------------------------------------------------------
code
画出了Linear regression line, I_new_ols, 自认为效果不错。
I_new_ols
然后对主要变量进行了缩尾（根据变量的分布分别进行单侧/双侧缩尾，p=0.01），p值显著，但Linear regression line，I_new_n(图放2楼)，看上去很怪
后缀_n表示缩尾后的变量。size服从正态分布所以没有缩尾，age个人认为缩尾没有意义。。。
code:
. xtreg I_new_n L.I_new_n age L.size L.cash_n L.q_n L.roa_n L.leve_n,r

Random-effects GLS regression                   Number of obs     =      6,001
Group variable: ticker                          Number of groups  =      1,040

R-sq:                                           Obs per group:
     within  = 0.3716                                         min =          1
     between = 0.9960                                         avg =        5.8
     overall = 0.9819                                         max =          9

                                                Wald chi2(7)      =   26583.52
corr(u_i, X)   = 0 (assumed)                    Prob > chi2       =     0.0000

                             (Std. Err. adjusted for 1,040 clusters in ticker)
------------------------------------------------------------------------------
             |               Robust
     I_new_n |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     I_new_n |
         L1. |   .9915165    .006709   147.79   0.000      .978367    1.004666
             |
         age |   2.555611    18.8009     0.14   0.892    -34.29348    39.40471
             |
        size |
         L1. |  -287.2913   93.89884    -3.06   0.002    -471.3296   -103.2529
             |
      cash_n |
         L1. |  -736.5662   280.4008    -2.63   0.009    -1286.142   -186.9908
             |
         q_n |
         L1. |   86.89391   41.58357     2.09   0.037     5.391603    168.3962
             |
       roa_n |
         L1. |  -12573.95   23324.22    -0.54   0.590    -58288.58    33140.68
             |
      leve_n |
         L1. |   158086.3   66204.38     2.39   0.017     28328.14    287844.5
             |
       _cons |   2050.668   772.6301     2.65   0.008     536.3413    3564.996
-------------+----------------------------------------------------------------
     sigma_u |          0
     sigma_e |  11088.957
         rho |          0   (fraction of variance due to u_i)
------------------------------------------------------------------------------
code
这是论文里第一个模型，我要使用这个模型的预测结果计算新变量，再做回归。请问我应该使用哪个模型，更有说服力呢？

dataex放3楼
二维码

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

沙发
billzdy 学生认证  发表于 2018-9-2 10:32:59

  1. * Example generated by -dataex-. To install: ssc install dataex
  2. clear
  3. input long ticker int year double I_new byte age double(size cash q roa leve)
  4. 1 2008                   .  .                  .                    .                  .                      .                     .
  5. 1 2009  -4058685.397779721  . 16.407875291448374  .011841213404080758                  .                      .                     0
  6. 1 2010       -4061842.0224  . 16.443046797970496  .037897465413920146                  .              .00408852                     0
  7. 1 2011  -4558761.841881875  . 16.449719115380233  .009332090300167137                  .    .004534408005556744                     0
  8. 1 2012 -4289480.8144945875  . 16.450312973208742  .020550107654795167  .3761635466462715    .003910001119661759   .003049966325555061
  9. 1 2013  -3627939.882205171  . 16.475019855304648   .11875941195348952 .29913816939753335   .0036818477637713246  .0013923700069348587
  10. 1 2014 -3743546.9085171665  . 16.432890783204297   .12355203866961413  .4405288011954377   .0031851074341727585  .0013731783294007355
  11. 1 2015 -3485060.2342124553  . 16.473384174893692   .19026459552293407  .6309571034320356   .0024732439724670205   .002598110845991843
  12. 1 2016 -3249035.0298031205  .  16.52080129098792  .046824331977404446  .6360048226819394    .000794433755195155  .0029858093181094132
  13. 1 2017  -3720632.802759408  . 16.475360398941664   .07039238212200076  .4274689183772064   .0005917259415805476  .0031119041405279664
  14. 57 2008 -22.754112704066863  .  7.039568764310783   .36523765144454795  .8088019969042407  -.0031870538487824757                     0
  15. 57 2009 -14.443081074636437  .  7.415271825774684    .6504160973792076 133.50695029745927    .004476168737191879                     0
  16. 57 2010                 -45  .   7.38262206389386     .523323796492101  6.566607384227195                .000133                     0
  17. 57 2011   -36.2281386354703  .  6.990148944507009    .3786725663716815  6.014477325952734 .000041417314991744554                     0
  18. 57 2012    -36.332412931564  .  6.432538181269008    .5235241234641895   9.62053726678864   -.003750455246875615                     0
  19. 57 2013  -16.05838930713184  .  6.202257654596563    .4661217075386012 1.9074758152510058  -.0015940239034967073                     0
  20. 57 2014  111.25066598181027  .  7.242211221339715    .3296716936635015 1.2826936423197675   -.002109019542641764                     0
  21. 57 2015   8.420694746375304  .  6.446682730170841   .22564382068401692  1.209111650562614  -.0057786845846087296                     0
  22. 57 2016  -9.833021319100041  0  6.411524328736849   .11373507057546145  .9048851269946345   -.006006116841266929  .0017035254967968916
  23. 57 2017  -416.7061707306565  1  7.394008128481679    .3410390498998094  3.661370226784495   -.002653757840592853  .0005309963621307488
  24. 58 2008  1190.5505104379931  8  9.873264421726562    .5394250895900229  .4591033037123847   .0021683713248651544                     0
  25. 58 2009   760.7377131740647  9  9.941283624625115    .4346601633123398  .3746147644644929   .0013349120848097547                     0
  26. 58 2010                 147 10  10.21008950984042   .22637621430674124 1.1447147975263376              .00033241                     0
  27. 58 2011  1191.5886447740895 11 10.160429276521574   .28205128205128205 1.7967759469670264   .0000675169501466351                     0
  28. 58 2012   167.6880596841413 12 10.185403486595577     .286366830639494 .48001590239049674   .0011912093959795627                     0
  29. 58 2013   690.7798752229896 13 10.302338081601114   .34858518964479235 .37366879423464644   .0014544684263672423                     0
  30. 58 2014  1404.7239196456167 14 10.368491480494617   .44417211328976036  .6104096793154901   .0014108890968485058                     0
  31. 58 2015  1916.1376820833584 15 10.410094406280152   .46233497281905256 .49318533534662234   .0006728049176897267                     0
  32. 58 2016   818.0412694041202 16 10.356126984645892   .45349448239621654 .48183109386950834   .0011097845330288807                     0
  33. 58 2017   906.0557593609542 17 10.357406627561707   .45330641090358403  .3339207911969458   .0002578364463984976                     0
  34. 59 2008                   .  3                  .                    .                  .                      .                     .
  35. 59 2009                   .  4                  .                    .                  .                      .                     .
  36. 59 2010                   .  5                  .                    .                  .                      .                     .
  37. 59 2011 -14472.036282498215  6 12.414553012821546   .03502749975460467                  .                      .  .0008531198121431784
  38. 59 2012  -14551.59717925717  7  12.43732387925131  .022214829074536462                  .  .00039993602234667756  .0008997861802551561
  39. 59 2013  -3992.169408756239  8 12.499194641531602   .01067353733217104                  .   .0007433329727432011 .00009425108271548999
  40. 59 2014 -4274.8697060820305  9 11.924397631276046   .11676147575914082                  .   .0005625485741415371   .016798174214699445
  41. 59 2015  -7303.663810631635 10  12.03315895969837   .15423901940755874  .3611256797514041  .00032062224874106925   .014227287919286298
  42. 59 2016 -10659.325631629446 11 11.923713260731942   .09095890729938086  .3715022102822995  .00002621037279343303   .013374809493894864
  43. 59 2017 -11047.521978173041 12  11.92404347246713   .11116965226554269 .41409608847260937   .0006575183062822141   .012001352309196441
  44. 61 2008  -703782.5846211826  3 15.481049681674603   .05571193366650564 1.0138341734315774   .0011735380891045937   .002991783150165044
  45. 61 2009   -649732.318629002  4 15.574920215112634   .05805569386785693  .7569473948742141   .0004718245092489267   .002622729408829712
  46. 61 2010  -717000.0064000001  5 15.712470560773706   .09603036094769894  .8081799936710081              .00106438             .00201617
  47. 61 2011  -781451.5086112539  6 15.755887787167842   .16195023859501362  1.227087452872472    .000852370264447272  .0017076330142338748
  48. 61 2012  -768849.7715385153  7 15.813254574497357    .1147377435721829 1.2079310268725032  -.0001806932003129783   .002075987494892988
  49. 61 2013  -776903.1091533313  8 15.669357312208245    .1082554600285894 1.3301074603684004 -.00011472328629028042  .0022499418229389627
  50. 61 2014  -733924.9089868822  9   15.5601463677612   .10222693701052073 1.2773205134098764 -.00031770172649318363   .002434776753834644
  51. 61 2015  -545712.5638406182 10 15.312729077086994   .13256301774873008 1.7332201555771027  -.0008188953789936787    .00296814882482108
  52. 61 2016 -371258.51704277075 11 15.237131866205095   .12066043008613289  1.296799333054486   .0002578482607248038  .0021698503355728664
  53. 61 2017  -364806.6813523733 12 15.282562141071361   .14295925275497112 1.2288014778948595  .00048062284105329514  .0017438076310381542
  54. 63 2008 -27.495580857318753  4  5.356236994012996   .05192808737565481   .444145817932038   -.001492031881992507                     0
  55. 63 2009  -25.28477988331228  5  5.295481203858122  .019004693883674036  3.158743527251541   -.002588045381277621                     0
  56. 63 2010             -5.3295  6  5.381257718147386 .0029811951840674035 1.9039409476665825             -.00140938                     0
  57. 63 2011 -11.211888188739687  7  5.364839279375521   .00476035700204953 1.3037643602117401  -.0018235918866249148                     0
  58. 63 2012   -8.26124542037239  8  5.228738171922259  .007640773295594708  .8997283130021122  -.0014556814141114013                     0
  59. 63 2013 -7.9905289228878535  9  4.137810848108638  .006165884776549309 .29211291654373694    -.00875725869971653                     0
  60. 63 2014 -4.7857729983383255 10  3.313734471212583   .02425544398913568 .20613329141319373   -.009080933161037459                     0
  61. 63 2015                   . 11 3.3114769315635257  .029434893899661318 .31864095483270527  -.0032527940848855437                     0
  62. 63 2016                   . 12 3.2723748247394533  .029434893899661318 .31864095483270527   -.003128057605511352                     0
  63. 63 2017                   . 13 3.2334842882528667  .029434893899661318  .3186409548327053   -.003008740949681429                     0
  64. 66 2008 -24.774338577396403 13  6.102085810090983  .034031413612565446 2.8354267407496687  -.0016437614147597676                     0
  65. 66 2009 -.10316487513531816 14   6.31024226951536    .1702606412900806 1.1466103559791925  -.0008698964566388707                     0
  66. 66 2010                -1.6 15  6.335408798567896   .12938674228996808  .6130556958165849             -.00082916                     0
  67. 66 2011   -17.2972545209142 16  6.416474619823602   .14261033453745878  .5572166159246855   -.002155737611769847                     0
  68. 66 2012 -12.390284409994901 17   6.50520026938776  .035530165807440436  1.652742592422439  -.0016260338507438573  .0003089279859547676
  69. 66 2013   -4.57529527745097 18  6.425510191797208   .03080499854693403   1.01574343283201  -.0018556231393603748                     0
  70. 66 2014 -2.4279178858072386 19  6.368268037294651  .006543723973825105 1.2178190986236959  -.0011280279920166559                     0
  71. 66 2015 -1.2029563923393285 20  6.277061218158927   .05150145301905069  .9547574597748305  -.0019422676134341007                     0
  72. 66 2016 -1029.1620212553858 21  7.534537881712886  .019426048565121413  1.229550512160716    .006635297996999327  .0006023097394889408
  73. 66 2017  -1.669050083033337 22  7.549951554794645   .03232416157899138 1.3102549337284077  .00014473843362914336  .0005487121365835171
  74. 67 2008 -2307.1162333773314  3  9.072120213453639   .00901893864550051 2.9770961524272272  -.0006785510576459895   .002087966368538173
  75. 67 2009 -2153.0661003338755  4  9.261744268676381  .007933228966518447 1.7013798012841796    -.00131500126589972   .004345500119412346
  76. 67 2010          -2933.6389  5  9.247949094262342   .04922207970206782  .6776917902090365              .00148024             .00294953
  77. 67 2011 -2580.3749280014367  6  9.298827575722358    .0874178490210701 1.5534096491241494   .0016586337360104627  .0011096669254458708
  78. 67 2012  -5333.829721035992  7  9.626284047700329  .014816177208099805 1.2166454975985226    .001305535388670884   .001761162478839328
  79. 67 2013  -3934.980012021544  8  9.703837251561716  .030060849531410347 1.7218006746404213  .00001743097789036713  .0025068491383514403
  80. 67 2014  -3061.604454002928  9  9.635781044460337 .0018245900338852436 1.9706656923404018  -.0005278033349685743   .002592227228729243
  81. 67 2015 -3105.0022995409977 10  9.601212910607734  .001447329482964153 2.0938295039663255  -.0003639458639566042   .002462073663109584
  82. 67 2016  -2697.305167389768 11  9.538669384165495  .008205646570199204  1.758335170610661  .00019359483738251655   .001766630357144763
  83. 67 2017  -2557.858991536281 12  9.400663175060423  .016649474912092878 1.5471556333517555  .00012508338193704125  .0010784129979355304
  84. 68 2008 -153.96241306726932  3   8.03578462579439    .4636748459923598 .20249554909807282   .0024140200561561164                     0
  85. 68 2009 -46.217859438836626  4  8.445565288674565    .5652318467949285 .20668241501521084   .0034190280509068284                     0
  86. 68 2010  136.00000000000006  5  8.756383305230896    .6333076160035269   .158642907357398              .00353908                     0
  87. 68 2011    57.9458026450626  6  9.025802722749713   .36904087741398633 .12319633065694109   .0030493137803202742                     0
  88. 68 2012 -36.705053064195425  7  9.703455343116433   .07986322127577607 .21369280367318905   .0018047334263472574                     0
  89. 68 2013  -139.6810734704149  8  9.794503124817016   .17701346766962162 .22755879555751923   .0015597361024174573                     0
  90. 68 2014 -42.228428942433084  9  9.793340336385773   .26756827400602146 .28906558662731785   .0014524064926958093                     0
  91. 68 2015 -396.97560947197826 10  9.974725031138803    .2282853096268794  .2501524778564425   .0014072097952128866                     0
  92. 68 2016  -537.7588465941429 11 10.212142481361187   .20912302797643068  .2161851604807908   .0010673785957098713                     0
  93. 68 2017  -555.1578490470412 12 10.266291573305576   .23431832256922944  .1876268842782183   .0009740099413130262                     0
  94. 69 2008                   .  3  9.810303485634705   .03123796407604953 1.1484414566013756                      .  .0006033029915356949
  95. 69 2009                   .  4  9.780106615863424   .03123796407604953 1.1484414566013756                      .   .000585357442982051
  96. 69 2010                   .  5  9.748948463954621  .031237964076049528 1.1484414566013756                      .              .0005674
  97. 69 2011                   .  6  9.709124496755244  .031237964076049535 1.1484414566013759                      .  .0005452479008425955
  98. 69 2012                   .  7  9.678097078906355   .03123796407604953 1.1484414566013759                      .  .0005285900281376773
  99. 69 2013                   .  8  9.640379162388449   .03123796407604953 1.1484414566013756                      .  .0005090240275344472
  100. 69 2014                   .  9  9.606363099714812  .031237964076049535 1.1484414566013754                      .   .000492000217288224
  101. 69 2015                   . 10  9.597258414574446   .03123796407604953 1.1484414566013759                      .  .0004875410407238106
  102. 69 2016                   . 11  9.558156307750373   .03123796407604953 1.1484414566013756                      . .00046884506692918985
  103. 69 2017                   . 12  9.519265771263786   .03123796407604953 1.1484414566013756                      . .00045096143672053126
  104. end
  105. label values ticker Ticker_n
  106. label def Ticker_n 1 "19PS LN Equity", modify
  107. label def Ticker_n 57 "7DIG LN Equity", modify
  108. label def Ticker_n 58 "888 LN Equity", modify
  109. label def Ticker_n 59 "AA/ LN Equity", modify
  110. label def Ticker_n 61 "AAL LN Equity", modify
  111. label def Ticker_n 63 "AAOG LN Equity", modify
  112. label def Ticker_n 66 "AAU LN Equity", modify
  113. label def Ticker_n 67 "AAZ LN Equity", modify
  114. label def Ticker_n 68 "ABC LN Equity", modify
  115. label def Ticker_n 69 "ABD LN Equity", modify
复制代码




linear regression line(缩尾后)
屏幕快照 2018-09-02 上午3.22.26.png

返回列表
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群

京ICP备16021002号-2 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问：王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2025-12-31 14:10