空间杜宾模型中动态面板回归i模型R方值低但各指标显著，模型R方值高但指标不显著

显示全部楼层 · 发表于 2023-3-15 11:34:23

1、首先进行普通面板双向固定效应回归，模型R方值0.7；
2、随后通过莫兰检验证明存在空间自相关性，且各个空间模型的空间自回归系数（ρ）均在1%水平显著，说明空间效应存在，应该使用空间模型，但此时的各个空间模型（SEM、SLM、SDM、SAC等）R方值都降低了很多，大概在0.05~0.3的范围，而多数自变量是显著的（包括直接、间接、总效应）。
3、随后我进行了动态面板分析，分别设置滞后期为1、2、3，结果发现滞后期为1、3时，模型R方分别为0.015和0.046，但这两个模型中变量的直接效应间接效应等多数显著，而滞后期为2的模型R方值为0.67，不过除L.lny，及L.Wlny显著外，仅有极个别变量的某些效应显著（显著的效应个数明显少于1、3期的）。

虽然我看伍德里奇的计量经济学中说R方不是完全可靠，但在变量不变的情况下，为什么会出现如此大的差距呢，这种情况应该怎么分析，请给出详细的方案。

发表于 2023-3-15 11:35:15

这种情况下，模型的R方值低却各指标显著，或者模型的R方值高但指标不显著，是可能出现的情况。这是因为R方仅仅是一个统计学上的指标，它反映了模型中自变量解释因变量的程度，但并不能完全代表模型的好坏。也就是说，R方值高并不一定意味着模型拟合效果好，而R方值低也并不一定意味着模型拟合效果差。

在你提供的分析过程中，普通面板双向固定效应回归的模型R方值较高，且模型中各指标均显著，因此可以初步认为该模型解释因变量的能力较强。然而，当考虑空间自相关性时，使用空间模型解释数据，R方值都降低了很多。这可能是因为空间自相关性导致的，即在空间上，某些相邻区域的观测值互相影响，导致单个变量的解释能力降低。这时，动态面板回归可以进一步探究所研究问题的时间维度上的关联性。而在动态面板回归中，滞后期的选择也会影响模型的结果。

总结来说，对于当前情况，有以下建议：

1. 首先，应该对模型的假设进行检验，包括线性假设、正态性假设、异方差性假设等。如果假设不成立，可能需要进行修正。

2. 其次，可以对模型进行参数敏感性分析，检测模型的稳定性和可靠性。这可以通过引入扰动项或模型误差来实现。

3. 在进行动态面板回归时，应该进行滞后期的选择，确定最佳的滞后期数。可以通过信息准则（如赤池信息准则、贝叶斯信息准则等）或交叉验证方法来选择最佳滞后期。

4. 最后，应该注意这个模型是否适用于具体的问题。模型的适用性需要结合实际问题和数据情况进行判断。如果模型只是对数据进行描述，而不能对实际问题起到解释作用，那么即使模型的R方值很高，也应该谨慎使用。

[AI问数] 空间杜宾模型中动态面板回归i模型R方值低但各指标显著，模型R方值高但指标不显著

相关帖子

快捷访问

关于

关注我们