回归分析控制变量和因变量，会不会结果显著呢？

同问啊啊啊啊

学习了

一般来说，控制变量也有可能是自变量，但肯定不是主要的自变量，在做回归时，它对因变量的影响可以忽略不计，因此把它做为常量来看待。

万一控制变量显著的话，那就不能去掉了。这样，控制变量也对因变量有影响，那么它不也应该归为解释变量吗？

差不多明白了

差不多明白了

加入时间因素，以生产函数为例，可以从希克斯技术中性的角度来理解。

我也有这个疑问，你有弄清楚吗？求解释~~

控制变量本身就是自变量的一种，只是在分析核心自变量对因变量的影响时对某些变量进行控制，以便于真实检测这些核心自变量对因变量的影响。举个例子来说，饭量（Y），心情（X），性别（作为控制变量），回归时的解释就是在不考虑性别的情况下（即控制性别的情况下），心情是否对饭量产生了影响。

受教了

请问大神，怎样实现控制呢？

大神，在stata中，怎样实现对控制变量的控制呢？谢谢！

受教了，多谢！

学习了。

真是神解释啊~~

控制变量是指为了弄清实验中的因果关系，获得符合特定研究目的的数据，而在试验设计和试验过程中必须加以控制的，一切能使因变量发生变化的其他非研究变量。

https://bbs.pinggu.org/thread-291290-1-1.html

谢谢您的经验，有学习到了新的知识！

请问多元回归中的控制变量一般是控制什么参数呢？

请问控制变量和调节变量的具体区别？

欲研究x对y的影响，如果z也是影响y的主要因素，为了参数估计的一致性，建模时必须作y同时对x、z的回归，z就称为控制变量。实际上也是自变量，只不过不是我们关注的，而是为了避免产生遗漏变量偏误加入的。

请问既然如此，控制变量为什么不统一到随机误差项里面去呢？是不是控制变量还是比较重要的因素，只不过不是本次研究的重点？

1。控制变量是系统性变量，不是随机变量。
2。控制变量与自变量本质相同，只是在问题研究中的地位不一样而已。
3。你最好一句话的理解完全正确

那么假设我做论文想研究x1、不想研究X2，在实际操作时是不是还是正常做“Y、X1、X2”的回归，只不过后面只对X1进行阐述、不对X2进行展开就行了？

受教了。

解释的很详细

很通俗的解释

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。

我的理解如下：控制变量是那些我们不关心（我们关心的是核心解释变量）、但是重要的变量，目的主要有两种：一是防止遗漏重要的解释变量（如在研究资本对产出的影响时，将劳动力作为控制变量），二是在同一基准上来进行研究比较（比如说，不考虑年龄，研究教育程度对收入的影响）。