另外，我是用eviews做的回归，这两天在论坛上看到一个人说控制变量的做法可以先除去要研究的自变量，将控制变量和因变量进行回归；然后，将所有变量进行回归，比较R2等指标的变化，以及控制变量前的系数负号进行分析。不知道您对这个怎么看呢

对控制变量我也没有认真研究过，这种对比的思想肯定是很好的，可以尝试下。。过段时间有新理解再做交流

控制变量怎么和哑变量一样呢？

这个我也不懂，时间太紧了，楼上说和哑变量一样，我完全不懂，汗，看来只有以后学了

控制变量也是因变量，只是你研究问题不同，把一些因变量当做控制变量了。哑变量是虚拟变量，与控制变量还是有区别的。

千万不要误导人

   控制变量（control variable),即为解释变量（explantory varialbe) ，常所说的被解释变量也有不同的称呼，比如：应变量、被解释变量、预测子、回归子、响应变量、内生变量； 同样， 相对应的解释变量对应的称呼有： 解释变量 、自变量、 预测元、回归元、 控制变量、外生变量。 内生变量和外生变量多用于联立方程组中。因此把控制变量当作解释变量是可以的。 在数学上，解释变量与控制变量可以是一回事，但是 如果控制变量是调节变量，回归方程在理论上的解释就不一样了，解释变量是解释与被解释变量的因果关系，调节变量则是确定因果关系的边界条件。
      一般情况下，是先将因变量和自变量做回归，然后把控制变量一个一个在加进去，看因变量和自变量再加入控制变量后的关系和系数有什么变化。
      一般来说，控制变量的叫法多用于财务计量领域。 在计量经济学领域不存在“解释变量”与“控制变量”的差别，但是在会计和财务领域为了严格限定一些条件除了解释变量以外加上一些控制变量，例如公司的资产规模等等，是为了使回归条件得到严格满足，这些变量如果在统计学里讲可以通过抽样来控制的，但是因为在财务领域抽样的严格控制不能满足，所以就加了这些变量，一般来说他们的多重共线性是可以容忍的。
     一般的计量模型都可以加入控制变量，要想研究某一因素对被解释变量的影响就必须剔除其他因素对被解释变量的影响，也就是要控制住其他变量的影响。将影响被解释变量的其他主要因素引入模型和所要研究的因素一同估计模型，就可以得到所要研究的因素的比较准确的估计量。
      在这里，除了所要研究的因素以外，其他影响被解释变量的因素都是控制变量。
      不妨这样说，当只想考察部分解释变量与因变量的关系时，其他解释变量就是“控制变量”。或者说，重点关心的叫“解释变量”，其他的叫“控制变量”。不在模型设定中引入这些控制变量，会引起很大麻烦。其实它们都是解释变量。
       这些变量好比电影里的主角与配角。模型设定好比电影中的故事。你的计量过程可能就是奥斯卡评奖，要评出最佳男女主角，最佳男女配角。你也可能有好几个故事（模型设定）。不同的故事中，男女主角都可能变化。你如果在计量分析上搞得很好，你就可以获最佳故事片奖、最佳导演奖。
（转自人大经管论坛）

如果研究一个地区零售业进入模式对成长绩效的影响，那么竞争强度能够作为控制变量吗

控制变量怎么把研究主体分高低啊？

请问这个问题解决了吗？我现在在写论文，模型中只有一个自变量，感觉拟合效果不是很好，在想要不要引入控制变量？控制变量应该怎么选择呢？

请问同一篇文章里 被解释变量一样 主要解释变量不同  控制变量可以不一样吗

学习了

棒！

自我理解，就是，可能会影响因变量，但并不是因变量的决定性因素，建立模型时需要考虑进去。将根本的因素设置成为自变量，将重要因素设置成为控制变量。

正解！还是这个回答靠谱

虚拟变量、人工变量、哑变量是同一个东西。作用是给没有数值的定性变量来赋值。比如研究性别、季节、地区等变量是否会有影响，没有具体数据是无法进行回归分析的。通过设置虚拟变量，可以让这些变量拥有自己的数据。虚拟变量赋值的实质是通过01的排列来给定性变量的每个属性贴上唯一的标签（是不是很像条形码），使得软件明白这是不同的类别，从而完成定性变量不同类别间的比较。比如要对比性别是否会影响工资水平，性别有两个属性：男和女。一种虚拟变量设置就是0代表女，1代表男。由于只是类别的区分，所以虚拟变量的0和1设置方法不唯一，也可以0代表男，1代表女。


虚拟变量既可以作为被解释变量也可以作为解释变量。
在实际分析中，得到回归结论后，要把01再置换回具体的属性，分别分析不同属性类别的情况。上述例子中，我们要分别写出男性平均工资水平和女性平均工资水平对应的回归结论，比较二者的异同，从而得到性别是否会影响工资水平的结论。

控制变量与对照组有关系吗？我是初学者，有点迷糊，选择对照组的时候，是不是也需要按照所有的解释变量来选择相似的对照组？

还是云里雾里，没有明白

控制变量是具体的数值，而哑变量只可以取0或者1。这是我的理解，仅供参考。