我从我的OLS回归开始: 其中D是虚拟变量,估计值与p值低的零不同。然后,我进行了Ramsey RESET测试,发现我对该方程有一些误称,因此我将平方x包括在内: ÿ = β 0 + β 1 X 1 + β 2 X 2 1 + β 3 d + ε
- 平方项解释了什么?(Y非线性增加?)
- 通过这样做,我的D估计值不再从零变化,而具有较高的p值。我如何解释方程式中的平方项(通常)?
编辑:改善问题。
控制另一个变量时
—
Macro
可能的原因:和似乎在解释了相同的可
—
变性
我不认为这确实是该问题的重复;解决方案是不同的(除非我误解,否则中心变量在这里起作用,但在那里不起作用)
—
彼得·弗洛姆-恢复莫妮卡
@Peter,我将这个问题解释为“为什么当我向模型中添加变量时,某些其他变量的影响估计值/ 值会发生变化?”的子集,在另一个问题中得到了解决。在这些问题的答案中有共线性(gung在他对这个问题的回答中确实暗示了这一点)/预测变量之间的内容重叠(即D和(x 1,x 2 1)之间,我怀疑是这种情况的罪魁祸首) 。同样的逻辑在这里适用。我不确定争议是什么,但是如果您和其他人不同意,那就很好。干杯。
—
2013年