• 首页
  • 资讯
  • 快讯
  • 数据

[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

[复制链接]
244 |1
发表于 2023-3-15 11:34:23 | 显示全部楼层 |阅读模式
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 | 显示全部楼层
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。
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则