提问：论文中不同模型的控制变量一定要相同吗

2544

收藏 2023-10-08

我基准回归用的变量分别为：y x k1 k2 k3 k4 k5，是面板数据，然后结果是显著的但是在面板门槛回归中，用这几个变量y x k1 k2 k3 k4 k5 q1， (q1是单独的门槛变量，不是解释变量，解释变量我试过不显著)
通过了双门槛检验，但回归结果不太符合预期，q1小于1门槛的时候y对x是显著负向影响，1-2门槛直接是负向不显著，大于2门槛是不显著正向影响，我觉得和我的设想不一致，并且好像不太符合实际
所以我替换了一个控制变量，将k5 替换成了 k6，
现在变量为这些：y x k1 k2 k3 k4 k6 q1,回归结果为：q1小于1门槛的时候是不显著负向影响，1-2门槛直接是不显著正向影响，q1大于2门槛的时候是显著正向影响
我觉得这样出来的结果是比较符合我的预期的，
所以我能不能用替换过的变量做我的门槛回归啊，
但是替换了控制变量模型回归结果变化这么大，是不是也说明我的门槛模型不稳健，那我还能用吗？？？

[cry][cry][cry]

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

sun_man

2023-10-8 11:48:16

您可以使用替换后的变量进行门槛回归分析。如果认为替换后的变量更符合预期，并且在统计上是显著的，那么可以使用这个变量来进一步分析门槛效应。

然而，你提到替换控制变量后回归结果发生了较大的变化。这可能表明你的门槛模型存在一些问题，可能不够稳健。回归结果的不稳定性可能是由于数据特征、模型设定或其他未考虑的因素引起的。

为了确保研究的可靠性和稳健性，建议进一步探究回归结果的变化原因。可以考虑以下几点：

数据质量：检查数据是否准确、完整，是否存在异常值或离群点。

模型设定：重新审查模型设定是否合理，包括变量的选择、函数形式的选择等。

控制变量：确认替换控制变量是否合理，是否会引入其他的共线性或遗漏变量问题。

样本选择：检查样本是否具有代表性，是否存在选择偏差或其他样本特征的问题。

模型稳健性检验：使用其他统计方法或模型来验证门槛效应的稳健性，例如非参数方法或其他敏感性分析方法。

最重要的是，尽量使用多种方法来验证结果，并与现有的理论和实证研究相结合，以确保研究结论的可靠性和有效性。