邮箱:econometrics666@126.com 所有计量经济圈方法论丛的code文件, 微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问. 关于显著或不显著结果,参看:1.常用的12种调变量显著性或调星星的方法,2.不显著能任性发顶刊!还津津有味地讨论不显著的实证结果!3.前沿, 终于有人解释为什么顶刊上很少有不显著的结果发表! 背后机理?4.回归中常数项显著说明模型中有遗漏变量问题?5.为什么回归系数不显著? 6.关于模型中变量选择的五个误区, 譬如不显著的变量需要剔除还是保留?7.控制变量就能影响结果显著性, 所以存在很大操作空间, 调参数是常用手段吗?8.添加一个新变量能使以前不显著的变量变得显著了?9.核心解释变量A不显著, 但加入变量B后, 为什么A和B都显著了?10.若系数回归结果不显著, 我们能够采取的方法和思路有哪些?11.结果不显著但成功发在Top期刊上的论文有哪些?你心虚过没?12.交互效应显著的几种情况, 列出了6种类型,13.交互项中主效应不显著, 交互项显著可怕吗? 14.统计显著与经济显著, 发AER和经济研究的标配,15.显著不显著的后背是什么, 非(半)参估计里解决内生性,16.试了几百次, 回归结果依然不显著, 到底咋办,17.科学家倡议P值需要0.005,显著性判断才成立,18.SSCI期刊竟公开征集“不显著的实证结果”的专刊文章!19.IV与Y在理论上无直接关系, 但用Y对IV做回归发现IV是显著的, 这是咋回事?20.实证研究中的P值: 误解, 操纵及改进, 探析P值操纵表现及原因,提出相应的改进策略,21.AER强调计量方法的重要性, 经济学因果分析中的p值操纵和发表偏倚!计量社群里讨论了一个关于”解释统计上不显著显著的回归系数“的问题。Q:在回归模型中统计上不显著的变量,则表明该变量对结果变量没有影响吗? A:一般而言,“一个变量不显著,则表明该变量对结果变量没有影响”的说法是不对的。即使一个效应确实存在,但可能因为样本量太小,或者随机变异太大,该变量在统计上不显著,又或者因为该变量与其他变量相关,而数据无法知道相关变量的影响有多少属于哪个个体变量。不显著只意味着数据没有提供存在影响的证据,但这并不意味着这种效应不存在。一个不显著的变量的系数,原则上仍然可以解释。不过,因为随机变化以及没有结论性的证据表明该变量有任何影响,因此,在大多数情况下,对这种系数的解释可能并不重要,因为它带有太多的不确定性。更有意义的是解释系数的置信区间,因为这也表达了不确定性。样本量计算也有助于解释不显著的系数。若样本量小且功效较低,你不可能期望看到显著的结果(即使系数确实非零)。但是,如果样本量大且功效足够,那么不显著的结果更容易解释:你未能拒绝零假设是因为数据不支持它,而不是因为没有收集到足够的数据而拒绝零假设。 B:你不能这么说。你只能说无法以合理的信心确认它具有正向的影响。查看回归系数的置信区间会提供更多信息——你可以相信它的影响可以忽略不计。 C:"不显著" --> "数据不能够充分地得出结论",这意味着统计信噪比太大。③样本量太小(因为“统计噪声”随着样本量而减小,任何数量的噪声都可以通过使用足够大的样本量来消除“平均”), 假设统计模型是恰当的,遇到不显著的回归系数,此时,你可以:②重新考虑实验设计(采用更少噪声的测量方法,扩大因变量的范围)③重新考虑研究问题(你的时间和金钱投入到回答不同的问题上可能会更好)
1.免费4门课程, 因果推断1和2, IV, 份额移动IV和高级DID, 附数据,代码,讲义和阅读清单,2.哈佛“数据科学导论”课程对所有人免费开放!包括机器学习和回归分析等各种方法!3.加拿大经济学会主席的"机器学习"课程可以学习了! 共计20份Slides直指ML前沿!4.耶鲁开设“应用实证方法”P.hd课程, 强逻辑, 好文献, 重实操, 真前沿, 送slides和笔记!5.诺奖得主Angrist的因果推断课程文献读物单子再次更新了, 还提供了其他三门课程,6.全面且前沿的因果推断课程, 提供视频, 课件, 书籍和经典文献,7.美国博士用4年整理了写论文的各章实用资料, 包括课程, 软件, 研究, 投稿和工作等,8.MIT经济系50门开放课程对中国学者开放, 包括计量经济学等各类经济学课程!9.MIT斯隆商学院研究生课程对国内免费开放, 在家就能学习世界一流商学院的课程!10.从入门到进阶的Python数据分析手册, 课程内容完全免费!11.疫情期计量课程免费开放!面板数据, 因果推断, 时间序列分析与Stata应用
下这些短链接文章属于合集,可以收藏起来阅读,不然以后都找不到了。
3.5年,计量经济圈近1000篇不重类计量文章, 可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle 计量经济圈组织了一个计量社群,有如下特征:热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此,建议积极进取和有强烈研习激情的中青年学者到社群交流探讨,始终坚信优秀是通过感染优秀而互相成就彼此的。
|