中介效应检验的三步回归和sobel、bootstrap有出入，选哪个？sobel、bootstrap是OLS吗

34224

收藏 2021-05-25

在进行中介效应检验时，用固定效应模型（xtreg y x1 x2,fe）采用三步逐步回归，发现自变量和中介变量都是显著的，按理来说就存在中介效应了；但是用sobel和bootstrap检验时，中介变量就不显著了，根据bootstrap得出来的95%置信区间里面也包含了0，通过对比系数发现sobel和bootstrap检验时跑出来的回归和混合回归（OLS）基本一样，请问这时候要选哪个方法啊？sobel和bootstrap检验时能使用固定效应回归(fe)吗，还是它本身就是OLS回归啊？如下：因变量（xHQD）、自变量（LnAI专申）、中介变量（indh）三步回归
.  xtreg xHQD LnAI专申 Gov Urban Ope InfLn Fin i.year,fe
----------------------------------------------------------------------------
      xHQD |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
LnAI专申 | 1.031515 .2480856    4.16 0.000 .5426579 1.520371 （自变量对因变量的总效应显著）
      Gov |  -1.950249 7.078815 -0.28 0.783 -15.89917 11.99867

. xtreg indh LnAI专申 Gov Urban Ope InfLn Fin i.year,fe
------------------------------------------------------------------------------
      indh |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
LnAI专申 | .7073071 .2803669    2.52 0.012 .1548396 1.259775（自变量对中介显著）
. xtreg xHQD indh LnAI专申 Gov Urban Ope InfLn Fin i.year,fe
------------------------------------------------------------------------------
      xHQD |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
   indh | .443379 .0510509    8.69 0.000    .34278    .543978
LnAI专申 | .7179094 .2181799    3.29 0.001 .2879721 1.147847  (中介和自变量对因变量都显著)

Sobel检验：
.  sgmediation xHQD, mv(indh) iv(LnAI专申) cv(Gov Urban Ope InfLn Fin year1-year9
Model with dv regressed on iv (path c)
   Source |    SS          df    MS    Number of obs =    270
-------------+---------------------------------- F(14, 255)    = 114.93
   Model |  20815.7103       14  1486.83645 Prob > F       = 0.0000
Residual |  3298.78107    255  12.9363964 R-squared    = 0.8632
-------------+---------------------------------- Adj R-squared = 0.8557
   Total |  24114.4914    269  89.6449494 Root MSE       = 3.5967
------------------------------------------------------------------------------
      xHQD |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
LnAI专申 | 2.353209 .3329573    7.07 0.000    1.697513 3.008906  （显著）
Model with mediator regressed on iv (path a)
   Source |    SS          df    MS    Number of obs =    270
-------------+---------------------------------- F(14, 255)    =    18.32
   Model |  5025.02978       14  358.930698 Prob > F       = 0.0000
Residual |  4997.15139    255  19.5966721 R-squared    = 0.5014
-------------+---------------------------------- Adj R-squared = 0.4740
   Total |  10022.1812    269  37.2571791 Root MSE       = 4.4268
------------------------------------------------------------------------------
      indh |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
LnAI专申 |  -.1517652 .4098011 -0.37 0.711 -.9587908 .6552604   （不显著了？？）

Model with dv regressed on mediator and iv (paths b and c')
   Source |    SS          df    MS    Number of obs =    270
-------------+---------------------------------- F(15, 254)    = 115.17
   Model |  21023.4376       15  1401.56251 Prob > F       = 0.0000
Residual |  3091.05379    254  12.1695031 R-squared    = 0.8718
-------------+---------------------------------- Adj R-squared = 0.8642
   Total |  24114.4914    269  89.6449494 Root MSE       = 3.4885
------------------------------------------------------------------------------
      xHQD |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
   indh | .2038851 .0493486    4.13 0.000    .1067005 .3010697
LnAI专申 | 2.384152 .3230242    7.38 0.000    1.748005 3.020299（都显著）
Sobel-Goodman Mediation Tests
                  Coef       Std Err    Z          P>|Z|
Sobel             -.03094267 .08388733  -.3689   .71223216（不显著）
Goodman-1 (Aroian)  -.03094267 .08629055  -.3586    .71990405
Goodman-2          -.03094267 .0814132  -.3801    .70389385
                  Coef    Std Err Z       P>|Z|
a coefficient = -.151765 .409801  -.370339 .71113
b coefficient =  .203885 .049349 4.13152 .000036
Indirect effect = -.030943 .083887 -.36886 .712232
  Direct effect =  2.38415 .323024 7.38072 1.6e-13
Total effect =  2.35321 .332957 7.0676 1.6e-12
Proportion of total effect that is mediated:  -.01314914
Ratio of indirect to direct effect:          -.01297848
Ratio of total to direct effect:             .98702152
Bootstrap results                            Number of obs    =       270
                                             Replications    =       220
. bootstrap r(ind_eff) r(dir_eff), reps(1000): sgmediation xHQD , mv(indh) iv(LnAI专申) cv(Gov Urban Ope InfLn Fin year1-year9)

command:  sgmediation xHQD, mv(indh) iv(LnAI专申) cv(Gov Urban Ope InfLn
                  Fin year1-year9)
      _bs_1:  r(ind_eff)
      _bs_2:  r(dir_eff)
------------------------------------------------------------------------------
         | Observed Bootstrap                      Normal-based
         |    Coef. Std. Err.    z P>|z|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
   _bs_1 |  -.0309427 .0908348 -0.34 0.733 -.2089757 .1470904（包含0）
   _bs_2 | 2.384152 .3546166    6.72 0.000    1.689116 3.079188
------------------------------------------------------------------------------

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

全部回复

LLZ-DAD

2021-5-25 11:41:48

刚才看到一条帖子说sobel和bootstrap是用于对截面数据的回归，相当于OLS回归，哪位大神知道面板数据的回归要用啥？？？

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

cvm043259

2021-6-2 10:37:47

请问楼主，用固定效应模型采用三步逐步回归法，是直接做三次回归吗？还是有专门的命令？

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

zdlspace

2021-6-2 11:45:46

cvm043259 发表于 2021-6-2 10:37
请问楼主，用固定效应模型采用三步逐步回归法，是直接做三次回归吗？还是有专门的命令？

可以参考一下我的帖子。

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

LLZ-DAD

2021-6-5 18:21:17

cvm043259 发表于 2021-6-2 10:37
请问楼主，用固定效应模型采用三步逐步回归法，是直接做三次回归吗？还是有专门的命令？

用 sgmediation y, iv(x) mv(中介变量) cv(控制变量地区时间效应)命令，可以直接出来三步回归的结果、中介效应检验结果

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

LLZ-DAD

2021-6-5 18:25:03

cvm043259 发表于 2021-6-2 10:37
请问楼主，用固定效应模型采用三步逐步回归法，是直接做三次回归吗？还是有专门的命令？

resboot_mediation, dv(y) mv(中介) iv(x) cv（控制）reps(1000) 这个也可以，但只汇报后两步回归结果

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

点击查看更多内容…

18236979471

2021-6-23 16:03:37

LLZ-DAD 发表于 2021-6-5 18:21
用 sgmediation y, iv(x) mv(中介变量) cv(控制变量地区时间效应)命令，可以直接出来三步回归的结果 ...

sgmediation这个命令就是sobel检验吧？

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

黄白小猫

2021-7-1 19:15:30

18236979471 发表于 2021-6-23 16:03
sgmediation这个命令就是sobel检验吧？

是的，建议用Bootstrap

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

黄白小猫

2021-7-1 19:17:38

如果逐步回归和Bootstrap都显著，计算出的中介效应差了挺多，应该报告哪个呢

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

寒江雪1572

2021-8-5 12:35:18

LLZ-DAD 发表于 2021-6-5 18:21
用 sgmediation y, iv(x) mv(中介变量) cv(控制变量地区时间效应)命令，可以直接出来三步回归的结果 ...

sgmediation y, iv(x) mv(中介变量) cv(控制变量地区时间效应)
这个命令面板数据加不了地区和时间效应，会报错，应该怎么办？

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

LLZ-DAD

2021-8-5 19:27:18

寒江雪1572 发表于 2021-8-5 12:35
sgmediation y, iv(x) mv(中介变量) cv(控制变量地区时间效应)
这个命令面板数据加不了地区和时间 ...

你有没有提前生成地区和时间变量？如果出现“factor-variable and time-series operators not allowed”错误提示的话，你需要生成时间或地区变量，命令：tab year，gen(year)，地区同理，然后加入时间和个体效应：. sgmediation y, iv(x) mv(中介变量) cv(控制变量 year2-yearn province1-province30)