全部版块 我的主页
论坛 站务区 十一区 新手入门区
706 1
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??
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

全部回复
2023-10-8 13:47:44
根据描述,你进行了面板门槛回归分析,并尝试通过替换控制变量来改善回归结果。发现使用替换后的变量进行回归分析后,结果更符合预期

关于您的问题,有几点建议和观点供您参考:

替换控制变量可能导致回归结果的变化:当您替换了一个控制变量时,回归结果的变化是正常的。不同的控制变量可能会对模型的解释能力产生影响,因此回归结果的变化是可以理解的。

结果的符合预期并不一定意味着模型稳健:虽然您发现替换控制变量后的结果更符合您的预期,但这并不意味着您的门槛模型是稳健的。回归结果的变化可能是由于模型设定、样本选择或其他因素引起的,因此仍然需要对模型进行进一步的稳健性检验。

注意数据质量和模型设定:在进行门槛回归分析时,确保数据的质量和准确性非常重要。同时,合理的模型设定也是确保结果可靠性的关键。您可以仔细检查数据的收集方法、样本的选择方式以及模型的设定是否合理。

使用其他方法进行稳健性检验:为了验证门槛模型的稳健性,您可以尝试使用其他方法进行进一步的分析。例如,您可以尝试使用不同的门槛设定、使用不同的控制变量或尝试其他回归方法来检验结果的稳健性。

总之,虽然您替换控制变量后的回归结果更符合您的预期,但仍然需要注意数据质量和模型设定,并进行更多的稳健性检验来验证门槛模型的可靠性。
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

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群