双向固定效应模型

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

不加时间效应进入模型，epu 对研发的系数为负，加了时间之后，系数变为正了？请问双向效应模型的命令是否有错误。
这个是不加时间效应的命令  xi: xtreg rdsize epu lnsize roa  lev sales cash ,fe
结果如下：
Fixed-effects (within) regression               Number of obs     =     24,522
Group variable: code                            Number of groups  =      3,247

R-sq:                                           Obs per group:
     within  = 0.1506                                         min =          1
     between = 0.2138                                         avg =        7.6
     overall = 0.1605                                         max =         10

                                                F(6,21269)        =     628.45
corr(u_i, Xb)  = 0.1433                         Prob > F          =     0.0000

------------------------------------------------------------------------------
      rdsize |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         epu |  -.4934316   .0529132    -9.33   0.000    -.5971456   -.3897176
      lnsize |  -.3649082   .0127525   -28.61   0.000    -.3899041   -.3399123
         roa |   .0372685   .0013114    28.42   0.000      .034698     .039839
         lev |   .0028157   .0007347     3.83   0.000     .0013756    .0042558
       sales |  -.0021926   .0002573    -8.52   0.000    -.0026969   -.0016883
        cash |  -.1161553   .0055818   -20.81   0.000     -.127096   -.1052147
       _cons |   10.83799   .3044212    35.60   0.000      10.2413    11.43468
-------------+----------------------------------------------------------------
     sigma_u |  2.1187095
     sigma_e |   1.037143
         rho |  .80669474   (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(3246, 21269) = 24.31                Prob > F = 0.0000
加了时间效应之后，我用了网上说的两种方法： 结果中2018.year omitted because of collinearity 是为什么喃？
①xi: xtreg rdsize epu lnsize roa lev sales cash i.year ,fe

i.year            _Iyear_2009-2018    (naturally coded; _Iyear_2009 omitted)
note: _Iyear_2018 omitted because of collinearity

Fixed-effects (within) regression               Number of obs     =     24,522
Group variable: code                            Number of groups  =      3,247

R-sq:                                           Obs per group:
     within  = 0.2065                                         min =          1
     between = 0.2277                                         avg =        7.6
     overall = 0.1909                                         max =         10

                                                F(14,21261)       =     395.14
corr(u_i, Xb)  = -0.0908                        Prob > F          =     0.0000

------------------------------------------------------------------------------
      rdsize |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         epu |   63.18375   1.977152    31.96   0.000     59.30838    67.05912
      lnsize |  -.8083118    .018047   -44.79   0.000    -.8436854   -.7729383
         roa |   .0445924    .001284    34.73   0.000     .0420757    .0471092
         lev |   .0081527   .0007331    11.12   0.000     .0067158    .0095897
       sales |  -.0009397   .0002553    -3.68   0.000      -.00144   -.0004394
        cash |  -.0674782   .0056005   -12.05   0.000    -.0784557   -.0565008
_Iyear_2010 |  -8.971166   .2642773   -33.95   0.000     -9.48917   -8.453163
_Iyear_2011 |  -24.84355   .7618373   -32.61   0.000     -26.3368   -23.35029
_Iyear_2012 |   -18.0447   .5617044   -32.12   0.000    -19.14568   -16.94372
_Iyear_2013 |  -8.478204   .2661589   -31.85   0.000    -8.999896   -7.956513
_Iyear_2014 |   1.599782   .0561189    28.51   0.000     1.489784    1.709779
_Iyear_2015 |  -14.53331   .4536675   -32.04   0.000    -15.42254   -13.64409
_Iyear_2016 |  -15.50359   .4838607   -32.04   0.000      -16.452   -14.55519
_Iyear_2017 |  -.6966199   .0321859   -21.64   0.000    -.7597067    -.633533
_Iyear_2018 |          0  (omitted)
       _cons |  -61.17829   2.304758   -26.54   0.000    -65.69579   -56.66079
-------------+----------------------------------------------------------------
     sigma_u |   2.038495
     sigma_e |  1.0026345
         rho |  .80520692   (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(3246, 21261) = 25.57                Prob > F = 0.0000

.
areg   rdsize epu lnsize roa  lev sales cash i.year ,absorb(code) r

note: 2018.year omitted because of collinearity

Linear regression, absorbing indicators         Number of obs     =     24,522
                                                F(  14,  21261)   =     187.76
                                                Prob > F          =     0.0000
                                                R-squared         =     0.8404
                                                Adj R-squared     =     0.8160
                                                Root MSE          =     1.0026

------------------------------------------------------------------------------
             |               Robust
      rdsize |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         epu |   63.18375   2.557863    24.70   0.000     58.17014    68.19736
      lnsize |  -.8083118   .0256693   -31.49   0.000    -.8586255   -.7579981
         roa |   .0445924   .0018693    23.86   0.000     .0409286    .0482563
         lev |   .0081527   .0008126    10.03   0.000     .0065599    .0097455
       sales |  -.0009397   .0003071    -3.06   0.002    -.0015417   -.0003376
        cash |  -.0674782   .0073285    -9.21   0.000    -.0818425   -.0531139
             |
        year |
       2010  |  -8.971166   .3346489   -26.81   0.000    -9.627103   -8.315229
       2011  |  -24.84355    .979795   -25.36   0.000    -26.76402   -22.92307
       2012  |   -18.0447   .7210361   -25.03   0.000    -19.45798   -16.63141
       2013  |  -8.478204   .3391764   -25.00   0.000    -9.143016   -7.813393
       2014  |   1.599782   .0747286    21.41   0.000     1.453308    1.746255
       2015  |  -14.53331   .5823987   -24.95   0.000    -15.67486   -13.39177
       2016  |  -15.50359   .6224849   -24.91   0.000    -16.72371   -14.28347
       2017  |  -.6966199   .0350535   -19.87   0.000    -.7653273   -.6279124
       2018  |          0  (omitted)
             |
       _cons |  -61.17829   2.995661   -20.42   0.000    -67.05001   -55.30657
-------------+----------------------------------------------------------------
        code |   absorbed                                    (3247 categories)

.

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：固定效应模型 固定效应 Collinearity fixed-effect regression

加了时间固定效应之后系数不同很正常，有时候虚拟变量因为多重共线性会被省略掉几个，这也没有问题。

谢谢啦~~~

Sea.Zeng 发表于 2020-2-4 19:08
加了时间固定效应之后系数不同很正常，有时候虚拟变量因为多重共线性会被省略掉几个，这也没有问题。

双向固定效应模型的stata结果中可以看到时间和地点的固定效应P值么

浪漫寓意 发表于 2021-5-3 13:53
双向固定效应模型的stata结果中可以看到时间和地点的固定效应P值么

看这个p值没有任何意义。如果非要看的话，就自己去分别做一下个体虚拟变量和时间虚拟变量联合显著性检验。