粉丝为什么猛涨期过后后又不涨了而且还掉了

【图文】第七章:面板数据的处理 (new)_百度文库
两大类热门资源免费畅读
续费一年阅读会员,立省24元!
评价文档:
第七章:面板数据的处理 (new)
上传于|0|0|暂无简介
大小:6.99MB
登录百度文库,专享文档复制特权,财富值每天免费拿!
你可能喜欢苹果/安卓/wp
积分 100, 距离下一级还需 45 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
调节效应 Y=a性别+b体制+c性别*体制。加入交互项“性别*体制”后“性别”的系数a不显著了,还可以继续分析吗?(1)Y=a性别,a显著为负(2)Y=a性别+b体制,a显著为负,b显著为负(3)Y=a性别+b体制+c性别*体制,c不显著,a也不显著了,这种情况该怎么解释?(女性=1,体制内=1)
支持楼主:、
购买后,论坛将把您花费的资金全部奖励给楼主,以表示您对TA发好贴的支持
载入中......
本帖被以下文库推荐
& |主题: 728, 订阅: 176
您是从文库
访问到本帖的,欢迎对文库打分:
看看这篇文章吧
08:04:06 上传
热心帮助其他会员
热心帮助其他会员
总评分:&论坛币 + 20&
学术水平 + 2&
热心指数 + 3&
信用等级 + 2&
hustchen2012 发表于
看看这篇文章吧好的,我看看,非常感谢!
第一,在做交互效应前,你要想为什么要加交互效应,这是你想解决的问题么?你不能看着别人文献做,你就跟着做,你要考虑你的研究区域,你的数据,你想做的是什么,这是其一;第二,搞清楚为什么要加交互项后,不显著有没有专业上去解释的原因。如性别和体制间存在的某种关系使得性别单独不显著了。寻求专业上的解释。此为其二;第三,虽然我们常以为变量显著为好,但有时变量不显著也有其好处,重要的是符不符合实际和感性认识,能不能从专业上解释的通。
观点有启发
热心帮助其他会员
总评分:&论坛币 + 15&
学术水平 + 2&
热心指数 + 2&
信用等级 + 2&
本帖最后由 auirzxp 于
00:04 编辑
做交互项之前,先把“性别”和“体制”中心化,成为“性别_C”和“体制_C”.
然后在回归方程中放入:
Y=a性别+b体制+c性别_C*体制_C
观点有启发
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
auirzxp 发表于
做交互项之前,先把“性别”和“体制”中心化,成为“性别_C”和“体制_C”.
然后在回归方程中放入:
Y= ...为什么要这样做呢?可以解释一下具体的原因吗?你的意思是不是暗示了出现我提问题的那种结果是因为我交互项处理出错才有的错误结果?我的那个结果是否可以用来解释和分析?
hui_candle 发表于
为什么要这样做呢?可以解释一下具体的原因吗?你的意思是不是暗示了出现我提问题的那种结果是因为我交互 ...“性别*体制”这个交互项没有中心化,就会和“性别“、”体制”之间造成严重的共线性,因此回归系数受到很大的影响。
观点有启发
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
auirzxp 发表于
“性别*体制”这个交互项没有中心化,就会和“性别“、”体制”之间造成严重的共线性,因此回归系数受到很 ...恩恩。会影响显著度吗?非常感谢你的提醒啊。另外,我用的不是面板数据,是横截面数据。
hui_candle 发表于
恩恩。会影响显著度吗?非常感谢你的提醒啊。另外,我用的不是面板数据,是横截面数据。横截面数据也是这样处理的。当然会影响系数和显著度了
auirzxp 发表于
横截面数据也是这样处理的。当然会影响系数和显著度了恩恩。太感谢了!!我的模型中,无论加入什么交互项,交互项都不显著。不知道是不是因为没有做去中心化处理。终于找到可能的改进空间了。那还请问一下,因变量需要去中心化处理吗?另外还有一个问题,你知道一般什么情况使用固定效应模型吗?
一级伯乐勋章
一级伯乐勋章
初级学术勋章
初级学术勋章
初级热心勋章
初级热心勋章
初级信用勋章
初级信用勋章
中级热心勋章
中级热心勋章
中级学术勋章
中级学术勋章
中级信用勋章
中级信用勋章
高级热心勋章
高级热心勋章
高级学术勋章
高级学术勋章
高级信用勋章
高级信用勋章
特级热心勋章
高级热心勋章
特级学术勋章
特级学术勋章
特级信用勋章
高级信用勋章
无限扩大经管职场人脉圈!每天抽选10位免费名额,现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向,请联系(010-);
邮箱:service@pinggu.org
投诉或不良信息处理:(010-)
京ICP证090565号
论坛法律顾问:王进律师【图文】详细的EVIEWS面板数据分析操作_百度文库
两大类热门资源免费畅读
续费一年阅读会员,立省24元!
评价文档:
详细的EVIEWS面板数据分析操作
上传于|0|0|文档简介
&&包含平稳检验、协整方程与回归估计。
大小:732.00KB
登录百度文库,专享文档复制特权,财富值每天免费拿!
你可能喜欢苹果/安卓/wp
积分 196, 距离下一级还需 64 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 1 天连续签到: 1 天[LV.1]初来乍到
输入了几个简单的变量和数据,
year a b c d e,
然后用 tsset a year 等定义好了,
然后再调用 xtreg a b c d e,fe,(忘记是不是xtreg,反正是这个关键词是没问题的我记得。。)
得到了the panel variable e may bot be included as an independent variable r(198),
我很想问问到底是什么原因??????
好头疼!!
求帮助!!
支持楼主:、
购买后,论坛将把您花费的资金全部奖励给楼主,以表示您对TA发好贴的支持
载入中......
你定义的是时间序列。。
定义时间序列是tsset year id
定义面板数据是 xtset year id
自己顶!!!
急急急!!!
麻烦大神帮帮忙看看了
你定义的是时间序列。。
热心帮助其他会员
观点有启发
总评分:&论坛币 + 20&
学术水平 + 1&
热心指数 + 2&
楼上正解! 试用一下: xtset
Trade Economicist
定义时间序列是tsset year id
定义面板数据是 xtset year id
热心帮助其他会员
总评分:&论坛币 + 10&
学术水平 + 1&
热心指数 + 1&
好的谢谢,
raiderqi 发表于
你定义的是时间序列。。你好,我已经用了xtset设定了,还是出现r(198)的错误。。
求问、、 问啥。。。???
the panel variable d may not be included as an independent variable
SpencerMeng 发表于
定义时间序列是tsset year id
定义面板数据是 xtset year id你好,我已经用了xtset设定了,
但是还是出现the panel variable d may not be included as an independent variable 的错误。。
SpencerMeng 发表于
定义时间序列是tsset year id
定义面板数据是 xtset year idxtreg命令的应用:
声明面板数据类型:tsset&&sheng t
描述性统计:xtsum gdp invest sci admin
1.固定效应模型估计:
xtreg&&gdp invest culture sci health admin techno,fe
固定效应模型中个体效应和随机干扰项的方差估计值(分别为sigma u 和sigma e),二者之间的相关关系(rho)
最后一行给出了检验固定效应是否显著的F 统计量和相应的P 值
2.随机效应模型估计:
xtreg&&gdp invest culture sci health admin techno,re
检验随机效应模型是否优于混合OLS 模型:
在进行随机效应回归之后,使用xttest0
检验得到的P 值为0.0000,表明随机效应模型优于混合OLS 模型
3. 最大似然估计Ml:
xtreg&&gdp invest culture sci health admin techno,mle
我是根据这个做的,想问问是这样的吗??
还是数据有什么特别的要求??
初级热心勋章
初级热心勋章
中级热心勋章
中级热心勋章
初级信用勋章
初级信用勋章
无限扩大经管职场人脉圈!每天抽选10位免费名额,现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向,请联系(010-);
邮箱:service@pinggu.org
投诉或不良信息处理:(010-)
京ICP证090565号
论坛法律顾问:王进律师

我要回帖

更多关于 怀孕几个月后胎儿猛涨 的文章

 

随机推荐