加入控制变量后结果悲催了!
2020-04-24
连玉君, 张静瑶
35066

连享会   主页 || 推文 || 知乎 || B 站 || 在线课堂

New! 搜推文,找资料,用 lianxh 命令:
安装: ssc install lianxh, replace
使用: lianxh 合成控制
       lianxh DID + 多期, w


连玉君 (中山大学, arlionn@163.com)

张静瑶 (浙江海洋大学,1132358871@qq.com)


目录
[[TOC]]


同主题阅读:


1 背景

1.1 问题的引入

两小儿辩车

王小儿:我发现车越长越贵,比如,奥迪 A6L 就比 A4L 贵多了;

李小儿:那也未必,奥迪 R8 只有 4 米 4,但可以买两辆 A6L了。 还有,我二爸开的那个公交车,12 米,才 30 万!

为什么车长与价格之间的关系并不"固定"?也就是说,如果用价格对车长回归,那么 R8,A6L,公交车会有显著的差异。

在大家做实证分析的最初阶段,经常会有一个困扰:原本主效应很符合预期目标,但加入了一个或几个控制变量后,主效应要么符号变了,要么不显著了。可是,关键控制变量不加入的话,审稿人必然会提出质疑。这是怎么回事了?
要回答这个问题,让我们先从条件期望说起。

1.2 什么是条件期望

教育与收入的关系

春节临近,如何应对亲戚的"问候杀",是一个亟待解决的现实问题。试想,举国欢庆的日子,大家齐坐一堂,面对读硕读博归家的你,七大姑问到:"大闺女,老大不小了,该干点正事谈个对象什么的呢,读那么多书干嘛呀",你咽了咽口水"读书好啊,以后可以多挣钱孝敬您老人家",话音未落,八大姑道:"哎呀瞎说,你看隔壁二狗子,高中没读完去做生意,现在赚老多钱了"….气氛顿时尴尬了,除了咽口水外,该怎么"杠"回去…

那就要了解条件期望的概念了:条件期望函数记为 E(YiXi)E(Y_i|X_i),是关于 XiX_i 的函数,考虑到 XiX_i 是随机的,所以条件期望函数也是随机的。比如给定 XX 为受教育水平的一个定值,如 X=12X=12,那么 E(YiXi=12)E(Y_i|X_i=12) 就是表示所有读 12 年书的个体,其收入水平的期望值。

  • 用图说明
图片1

图中,横轴表示受教育水平,纵轴则为收入,在每一个给定的受教育水平下(如:受教育年限 12 年),收入服从一个近似正态的随机分布。可以看到,由于存在着无法忽视的个体差异,使得某些低教育者的收入要高于某些高教育者的收入,但通常而言,教育水平高的人赚的更多。

看到这里,学习过初级计量经济学的同学肯定会想到,对,是"个人能力"的影响,是"个人能力"让二狗子和大闺女产生了收入的差异。确实如此,那么"个人能力"便是一个需要控制的重要变量。

2 Stata 实操

2.1 回到原例

让我们回到"小儿辩车"的引子。调入官方自带的汽车数据,研究汽车长度 length 对汽车价格 price 的影响。在多元回归中,加入的控制变量分别为里程数 mpg 和汽车重量 weight

利用外部命令 reganat (Filoso, 2013) 或 reganat2 对多元回归模型的系数进行图示:

. sysuse "auto.dta", clear
. cap eststo clear
. eststo: reg price length
. eststo: reg price length mpg weight
. esttab, nogap 
. reganat price length mpg weight, dis(length) ///
.              biscat biline scheme(s2color)
图片2

虚线拟合线表示了不加入控制变量时 length 的影响,而实线是加入控制变量之后的。由之初的右上倾斜变为右下倾斜,这是一个本质性地改变。

  • 回归结果
--------------------------------------------
                      (1)             (2)   
                    price           price   
--------------------------------------------
length              57.20***       -104.9** 
                   (4.06)         (-2.64)   
mpg                                -86.79   
                                  (-1.03)   
weight                              4.365***
                                   (3.74)   
_cons             -4584.9*        14542.4** 
                  (-1.72)          (2.47)   
--------------------------------------------
N                      74              74   
--------------------------------------------
t statistics in parentheses
* p<0.1, ** p<0.05, *** p<0.01

对比 length 的系数可见,在一元回归时该系数显著为正(57.2),而加入控制变量后,系数为负(-104.9)并在 10% 的水平下显著。

  • 原因分析

若真实的回归模型为 Yi=α1+β1x1+β2x2+ξ1Y_i=\alpha_1+\beta_1x_1+\beta_2x_2+\xi_1① ,若此时将 x2x_2 的"贡献"剔除掉之后,得到的回归模型是 Yi=α2+θ1x1+ξ2Y_i=\alpha_2+\theta_1x_1+\xi_2② ,此时的 ξ2\xi_2=β2x2+ξ1\beta_2x_2+\xi_1 ,若 x1x_1x2x_2 相关, corr(x1,ξ2)0corr(x_1,\xi_2) \neq 0,出现了内生性问题。若 x1x_1x2x_2 无关,是否加入 x2x_2 并不影响 x1x_1 的系数。

2.2 通过实例演示

先进行正常的多元回归,加入主效应变量 length 和控制变量 mpg weight

  • sysuse auto.dta, clear
  • reg price length mpg weight
  • est store m1

接着,我们利用解构回归(regression anatomy)(参考《基本无害的计量经济学》)来"解读"正常的多元回归:1.先用 length 对控制变量 mpg weight 进行回归,然后可以得到一个残差项。2. 再用被解释变量对上一步的残差项进行回归。

. reg length mpg weight
. predict e, res
. reg price e
. est store m2
. esttab m1 m2 , nogap.
  • 估计结果
--------------------------------------------
                      (1)             (2)   
                    price           price   
--------------------------------------------
length          -104.9***       
                 (-2.64)        
mpg              -86.79                 
                  (-1.03)   
weight            4.365***
                  (3.74)   
e                                     -104.9*
                                      (-2.22)  
_cons           14542.4*              6165.3***
                (2.47)                (18.46)   
--------------------------------------------
N                      74              74   
--------------------------------------------
t statistics in parentheses
* p<0.1, ** p<0.05, *** p<0.01

可以看到,最后得到的主效应估计结果一致,均为 -104.9 。在用 length 对控制变量 mpg weight 回归后得到的残差项,表示 length 剔除了其他解释变量对自己的影响的"结果",将其再与被解释变量的回归就是一个"净"的效应。

3 总结

可见,加入控制变量后,我们关心的估计系数是否会产生变化,取决于与控制变量之间的独立性。

我们列出将会出现的四种情形

  • 与控制变量之间完全独立,则加入控制变量对估计系数无影响(情形 1)
图片3
  • 与控制变量之间相关,且完全通过控制变量的"途径"来影响被解释变量,则估计系数不显著(情形 2)
图片4
  • 与控制变量之间高度相关,则加入控制变量后,估计系数都不显著(情形 3)
图片5
  • 与控制变量之间相关,则加入控制变量后,主要解释变量的估计系数会出现大小和符号变化。具体变化取决于与控制变量间的正负相关性。(情形4)
图片6

若需进一步分析各个解释变量的相对重要性,可以参考 「R2分解:相对重要性分析 (Dominance Analysis)」 (微信版),以及「连玉君-如何比较解释变量的系数相对大小?」

资源共享


尊敬的老师 / 亲爱的同学们:
连享会致力于不断优化和丰富课程内容,以确保每位学员都能获得最有价值的学习体验。为了更精准地满足您的学习需求,我们诚挚地邀请您参与到我们的课程规划中来。
请您在下面的问卷中,分享您 感兴趣的学习主题或您希望深入了解的知识领域 。您的每一条建议都是我们宝贵的资源,将直接影响到我们课程的改进和创新。
我们期待您的反馈,因为您的参与和支持是我们不断前进的动力。感谢您抽出宝贵时间,与我们共同塑造更加精彩的学习旅程!https://www.wjx.cn/vm/YgPfdsJ.aspx# 再次感谢大家宝贵的意见!


关于我们

  • Stata连享会 由中山大学连玉君老师团队创办,定期分享实证分析经验。more……
  • 扫码加入连享会微信群,提问交流更方便