变量不显著的解决方法,变量分开显著一起不显著

加入控制变量后自变量不显著 2023-12-29 14:20 902 墨鱼

加入控制变量后自变量不显著

变量不显著的解决方法,变量分开显著一起不显著

ˇωˇ (4)选择方法。方法有很多，如OLS、FE、GMM、3SLS、IV、Probit、DID等。理论上可以变换不同的方法来做实证工作，但实际上每种方法都有其自身的局限性和使用范围。因此，选择平方的解决办法是：①增加样本量②减少自变量③使用非参数回归方法存储，减少对样本量的依赖2.存在多重共线性问题多重共线性是指自变量之间相关性较强，这会导致回归分析结果不稳定，使得

解决方法：（1）手动剔除共线自变量，先进行相关性分析。如果发现两个自变量之间存在相关性，则将自变量X或因变量绘制散点图，看散点处是否有明显的规律。

因此，只要不满足经典OLS回归的基本假设，就可以提高控制变量的显着性。具体可以采用广义差分法、广义最小二乘法（GLS）等方法来克服相关性；采用增强最小二乘法（WLS）、GL解法：保存残差项，并将残差项与模型的自变量X进行比较。或者将因变量Y绘制成散点图，看看散点中是否存在明显的规律性。如果存在明显的异方差，建议重新构建模型，例如对Y取对数，重新构建模型。

如果结果仍然不显着，那么我们需要考虑是否从模型中删除该变量。如果排除该变量后的回归结果导致所有三个信息准则值均下降，那么这意味着排除该变量是明智的选择。最后结合STATA和Eviews软件来实证分析一下。一开始这两个软件意义不大，于是我疯狂的在网上搜索帖子寻找原因。最后从以下几个方面解决了这个问题：1.下载前重新下载并整理数据

后台-插件-广告管理-内容页尾部广告（手机）

标签：变量分开显著一起不显著