面板数据中介效应bootstrap,中介效应模型构建stata

面板数据中介效应bootstrap,中介效应模型构建stata

第三步，自变量显着，但中介变量不显着。这可能表明你的中介效应存在一定偏差，即使没有达到显着水平。 文中林老师在2014年的论文中提到，Bootstrap法是公认的可以替代Sobel法，直接检验系数积的方法。 因此，论文中新提出的中介效应检验程序显然不再有Sobel检验，而被b检验所取代。

中介效应原理检验中介效应的方法有很多种，其中较常用的是bootstrap法。 bootstrap方法是一种基于重复采样的统计方法。通过重复采样sampledata获得大量样本。tabid,gen(_id)//控制省份固定效应tabyear,gen(_year)//控制时间固定效应sgmediationy,mv()iv()cv(_id*_year*)3.Bootsrap(1)不控制时间固定

但是当我使用bootstrap方法来测试中介效果时，我在分析结果中遇到了问题（见图）：1._bs_1和bs_2分别指的是什么，应该如何解释？ 2.如图所示，confidencezone案例演示了我的结果_bs_2：使用内置的data命令代码：bootstrapr(ind_eff)r(dir_eff),reps(numberofrepetitions):sgmediationdv(因变量),mv(Mediator)iv(自变量)cv(控制变量)结果解释：

(｀▽′) Bootstrap应用及操作Bootstrap应用最广泛，用于测试中介效果。 BaronBootstrap的优点：不需要正态分布，灵敏度较高（更容易得到显着的结果）。但Bootstrao测试中，系数b（模型三中中间变量对因变量的影响）并不显着。Bootstrap测试后，bs1的置信区间不包含0，但

所以具体解释如下：第一：c代表XisonY时的回归系数（当模型中没有中间变量时），即总效应；第二：代表回归系数a*bi为a和b的乘积时的回归系数，即中介效应；第三：95%BootCI代表面板B数据和Stata操作演示的中介效应和调节效应1.1简介中介效应和调节效应1.2Stata操作演示1-中介效应回归和测试（包括SobelandBootstrap测试）1.3Stata操作演示