加载中…
个人资料
  • 博客等级:
  • 博客积分:
  • 博客访问:
  • 关注人气:
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

控制变量!控制变量!

(2021-09-17 23:48:13)
标签:

stata

控制变量

遗漏变量

混淆因素

中介变量

分类: 线性回归
全文阅读:https://lianxh.cn/news/5156229fb5147.html

目录

1. 引言

大量的实证会计研究试图建立治疗 () 与结果 () 的因果关系。但是,使用非实验数据面临的一个重要问题是,如何排除变量间的其他替代性解释。为此,研究者通常会使用控制变量 () 来控制  和  之间的混淆因素。若是忽略某个混淆因素,则可能产生遗漏变量偏误问题 (omitted variable bias, OVB),这在会计研究中是常见的。为缓解遗漏变量偏误问题,研究者会将较多控制变量纳入到回归模型中,Bertomeu (2016) 称之为 “kitchen sink approach”,直译为 “厨房水槽法”,即厨房所有东西都可以放到里面。当然之所以如此,很大程度上是由于 “更多的控制变量能够提高模型识别准确度” 的观念导致。实际上,当我们引入一些控制变量的时候,往往会引入 “控制变量偏差”,进而隔离或打开  与  之间不必要的路径。即使是一个 “好” 的控制变量,也必须经过准确度量才能够有效缓解遗漏变量偏误。

在本文中,我们将提供一些使用控制变量的建议,以更好识别因果效应。首先,我们回顾了会计顶刊中控制变量的应用。然后,使用因果图来说明变量间的期望关系,以试图说明一个控制变量在何种条件下是合适的,或者不合适的。统计软件并不会清晰的告诉我们到底是  导致了 ,还是  导致了 ,抑或是  混淆了上述关系。相反,理论会告诉我们潜在的因果关系方向,以及对统计的解释。同样地, 与  或者  存在相关性,也并不意味着将  纳入到回归模型中可以改善因果效应的准确识别。在研究  对  的因果效应时,研究者应该将与  和  相关的因素且不是二者的结果因素  放入到回归模型中。若是将受  和  影响的因素  放入到模型中,则会有偏估计  对  的影响。为了更好地对上述问题理解,本文使用模拟数据「注册会计师资格执照」和档案数据「审计客户特征」进行演示。

接着,我们讨论了几个提高控制变量选择与测量的问题。首先,我们讨论了控制变量为什么需要准确地构造才能有效。其次,我们解释了引入与某个与  或  相关的变量也是有帮助的,尽管其不是真正的混淆变量。再其次,我们讨论了固定效应在不同条件下的结果。固定效应可以理解为虚拟控制变量,主要用于识别数据组内变化。最后,我们讨论了在  与一个调节变量  交互的情况下,控制变量的重要性。在这种情况下,调节变量  与某个控制变量的交互可能会与感兴趣的交互项相关,如果排除在模型之外,则会导致遗漏变量偏误。

全文阅读:https://lianxh.cn/news/5156229fb5147.html

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有