Stata

固定效应模型必须同时控制时间和个体吗？

关注者
82
被浏览
886,030

8 个回答

在金融经济学研究中，固定效应的应用非常普遍，但是仍有许多研究者对固定效应的理解有限。deHaan (2021) 主要解释了以下问题：
  • 固定效应如何消除遗漏变量偏误和影响标准误差；
  • 固定效应回归中常见的陷阱。
特别地，deHaan (2021) 主要关注于那些 X 具有非常小或没有变动的固定效应组 (例如，公司) 对系数估计和解释的混淆，并提供一些关于如何识别和避免上述混淆的指导。需要强调的是，固定效应在提高模型识别精度的同时，也可能引入一些重要的问题。对于上述问题的理解，可以帮助研究者更合理地设计固定效应模型，和进行随后的结果解释。

以下是使用固定效应时的一些注意事项：

  1. 注意固定效应将分析限定在组内 X 的变动上;
  2. 认真思考你是否需要固定效应:
  • 如果不可观测变量 Z 被认为与 X 和 Y 都相关, 并且在组内是常数, 则 \mathrm{FE} 是需要的。 控制 \mathrm{FE} 可以降低犯第一类错误的概率;
  • 如果不可观测变量 Z 与 Y 不相关, 则 \mathrm{FE} 是不需要的。控制 \mathrm{FE} 会增加犯第二类错误的 概率, 特别是当 Z 与 X 相关时;
  • 如果不可观测变量 Z 仅与 Y 相关, 则 \mathrm{FE} 是需要的。控制 \mathrm{FE} 可以提高模型拟合度, 并 降低犯第二类错误的概率。
  1. 报告组内只有单个观测值 (singletons) 的数量:
  • 数据中存在大量的单个观测值 (singletons) 表明 \mathrm{FE} 结构过于狭窄 (narrow);
  • 考虑在样本构造过程中, 删掉组内只有单个观测值的样本;
  • 每次运行回归时, 都要删除组内只有单个观测值的样本。
  1. 报告组内 X 没有变化的观测值数量:
  • 大量的无组内变化的观测值, 引起了大家对组内 X 有变化与无变化是否相似的思考;
  • 评估组内 X 具有和不具有变化的样本相似度。如果不具有相似性匹配或重新设定样本来提高相似度；
  • 如果可能的话，评估有和没有组内无变化观测值的回归结果。
  • 对于连续变量，报告 X 和其他关键变量的混合标准差 (pooled standard deviations)、组内标准差、以及由 FE 引起标准差的减少程度：
  • 如果只保留了较少的标准差，则需要重新考虑 FE 结构是否合适。

详细内容参见连享会推文

相关推文

Note：产生如下推文列表的 Stata 命令为：
. lianxh 固定效应
. songbl 固定效应
安装最新版 lianxh/ songbl 命令：
. ssc install lianxh, replace
. ssc install songbl, replace

固定效应模型fixed effects model的存在是为解决这个经典的内生性问题，即time invariant （不随时间变化的）的内生性问题存在于每个单个样本中，所以解决方式是控制单个样本。time fixed effects are another dimension of impacts that may drive the association between the left hand side and main variables of interest. 所以，不是必须，是fixed effects model本身就是解决这个问题才使用的。比如，你可以不控制 firm fixed effects 但是只控制industry fixed effects。但你一定要justify为什么这里面不适用firm fixed effects。

side note- three basic ways of controlling (firm)fixed effects: 加dummy，de-mean，和采取first difference