解释变量需要处理

本人的专业并不是统计，只是接触过一些回归分析的模型。以下只是一些粗浅的建议，不一定正确。

感觉主要的问题可能在于Endogeneity。 ivreghdfe 和 reghdfe 的结果出现显著偏差的时候，可能暗示普通最小二乘法的估计不是无偏的。可能的原因也许会有以下三个：第一，是否解释变量X有遗漏；第二，因果性（Causality）的不清晰，到底是X->Y，还是Y->X，抑或是两种都存在；以及第三，测量误差。

关于最直接的解决方法，作者也许可以尝试以下方法。首先，在基准回归部分，报告 reghdfe 的不显著结果。第二，讨论 Endogeneity。第三，说明为了克服上述 Endogeneity 问题，需要使用 Instrumental variables。第四，展示 ivreghdfe 结果，并与 reghdfe 的结果进行对比，证明 Endogeneity 的存在以及普通最小二乘法估计有偏误，以及使用 Instrumental variables 的必要性。

另外，作者提到解释变量与企业专利数据有关，且样本中有很多零值。对于零值，作者是否可以考虑对其进行对数变换？专利数量是一个计数的变量，作者是否可以考虑用 Poisson Regression？

之前看到过有IV回归显著，而基准回归结果不显著的文章。感觉IV的估计结果更为可靠，你可以通过写作说明采用IV更好，或者尝试调整聚类标准误或是对异常值进行处理，总之，需要合理的理由说服文章不存在很强的内生性，结果是一些其他原因导致的就行

谢谢各位老师、朋友的热情回复[em23]，目前已解决该问题（通过更换变量），此贴留给有相关疑问的朋友们交流