全部版块 我的主页
论坛 计量经济学与统计论坛 五区 计量经济学与统计软件 Stata专版
3152 10
2024-05-19
[回归结果如下]. xtreg FinLevel_1 did  Age ROA Size Lev i.year,fe vce(cluster id)
note: 2021.year omitted because of collinearity.

Fixed-effects (within) regression               Number of obs     =     11,555
Group variable: id                              Number of groups  =      1,692

R-squared:                                      Obs per group:
     Within  = 0.0244                                         min =          5
     Between = 0.0584                                         avg =        6.8
     Overall = 0.0472                                         max =          7

                                                F(10,1691)        =       8.41
corr(u_i, Xb) = -0.0696                         Prob > F          =     0.0000

                                 (Std. err. adjusted for 1,692 clusters in id)
------------------------------------------------------------------------------
             |               Robust
  FinLevel_1 | Coefficient  std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         did |   1.338135   .3652625     3.66   0.000     .6217214    2.054549
         Age |   .2924484   .0754649     3.88   0.000     .1444341    .4404628
         ROA |  -2.369897   1.316127    -1.80   0.072    -4.951307    .2115126
        Size |  -1.151889   .4644059    -2.48   0.013     -2.06276   -.2410181
         Lev |  -3.090421   1.480967    -2.09   0.037    -5.995142   -.1857003
             |
        year |
       2016  |   .2668695   .1224691     2.18   0.029     .0266626    .5070764
       2017  |   .2532953   .1507772     1.68   0.093    -.0424343    .5490249
       2018  |  -.7092419   .1868651    -3.80   0.000    -1.075753   -.3427307
       2019  |   .1548358   .1756203     0.88   0.378    -.1896202    .4992918
       2020  |   .1090393   .1235827     0.88   0.378    -.1333518    .3514304
       2021  |          0  (omitted)
             |
       _cons |   29.11176   9.705885     3.00   0.003     10.07495    48.14857
-------------+----------------------------------------------------------------
     sigma_u |  7.3565476
     sigma_e |  5.8303288
         rho |  .61420786   (fraction of variance due to u_i)
------------------------------------------------------------------------------

. reghdfe FinLevel_1 did Age ROA Size Lev,absorb(id year) vce(cluster id)
(MWFE estimator converged in 4 iterations)
note: Age is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09
> )

HDFE Linear regression                            Number of obs   =     11,555
Absorbing 2 HDFE groups                           F(   4,   1691) =       7.70
Statistics robust to heteroskedasticity           Prob > F        =     0.0000
                                                  R-squared       =     0.6674
                                                  Adj R-squared   =     0.6099
                                                  Within R-sq.    =     0.0107
Number of clusters (id)      =      1,692         Root MSE        =     5.8303

                                 (Std. err. adjusted for 1,692 clusters in id)
------------------------------------------------------------------------------
             |               Robust
  FinLevel_1 | Coefficient  std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         did |   1.338135   .3652625     3.66   0.000     .6217214    2.054549
         Age |          0  (omitted)
         ROA |  -2.369897   1.316127    -1.80   0.072    -4.951307    .2115126
        Size |  -1.151889   .4644059    -2.48   0.013     -2.06276   -.2410181
         Lev |  -3.090421   1.480967    -2.09   0.037    -5.995142   -.1857003
       _cons |   32.95668   10.33748     3.19   0.001     12.68108    53.23228
------------------------------------------------------------------------------

Absorbed degrees of freedom:
-----------------------------------------------------+
Absorbed FE | Categories  - Redundant  = Num. Coefs |
-------------+---------------------------------------|
          id |      1692        1692           0    *|
        year |         7           1           6     |
-----------------------------------------------------+
* = FE nested within cluster; treated as redundant for DoF computation

这两个回归不应该控制的都是个体+时间的双向固定效应吗~为什么第二个会说Age存在共线性~球球各位大佬解释~



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
2024-5-19 22:45:48
你的变量age指标计算错了吧,它好像和2021年共线
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

2024-5-19 23:54:27
Age和时间固定效应共线性了。实际上,在xtreg的回归结果中,可以注意到2021的时间虚拟变量回归系数是(omitted)。在xtreg的回归结果中,Age的系数实际上也是反映了某一个时间固定效应的结果而已,不是真正的Age这个变量的系数值。
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

2024-5-20 07:53:13
在您提供的回归结果中,Age变量被自动省略了,这是因为出现了多重共线性问题。具体来说,2021.year 被遗漏是因为它与其他变量高度相关(即 collinearity)。在回归分析中,当一个或多个自变量之间存在高度相关时,模型可能无法为所有变量提供估计系数,而是选择省略其中一个以解决多重共线性问题。

为了进一步理解并解决这个问题,您可以:

1. 检查数据:确保没有其他变量与Age高度相关。可以使用相关矩阵(correlation matrix)来查看各变量间的相关系数。
2. 考虑剔除:如果发现确实有其他变量与Age高度相关,可以考虑剔除其中一个以减少共线性。
3. 使用其他方法:例如主成分分析(PCA)或岭回归(Ridge Regression)可以帮助处理多重共线性问题。
4. 检查模型设定:确保所有的自变量和因变量之间的关系都符合模型假设。

在进行这些步骤后,您应该能够确定是否需要保留Age变量,或者如何调整模型以避免多重共线性问题。

此文本由CAIE学术大模型生成,添加下方二维码,优先体验功能试用



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

2024-5-20 09:06:42
因为是
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

2024-5-20 15:06:46
共线性太强才会被omit,考虑换控制变量吧
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

点击查看更多内容…
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