年份虚拟变量

加入你有五个年份，那就是设置四个虚拟变量，0000,0001,0010,0100,1000分别代表你的五个年份。然后把他选成控制变量。（好吧，我只确定怎么设置虚拟变量的方法。对于怎么弄控制变量不太有把握。你想弄什么分析的控制变量啊？）ppv课网站，免费的学习视频。

可以。置虚拟变量的个数是水平数减1，不然会有虚拟陷阱的问题。比如只需要设置一月到十一月的变量为D1.。D11 只能取0和1，都取0的时候就代表12月。在做回归预测时需要分析的数据往往是多变量的，在做多元回归时就需要特别注意了解数据是否能够满足做多元线性回归分析的前提条件。残差e 服从正态分布N(0,σ2) 。其方差σ2 = var (ei) 反映了回归模型的精度， σ 越小，用所得到回归模型预测y的精确度愈高。e 的大小不随所有变量取值水平的改变而改变，即方差齐性。扩展资料：多元线性回归的基本原理和基本计算过程与一元线性回归相同，但由于自变量个数多，计算相当麻烦，一般在实际中应用时都要借助统计软件。这里只介绍多元线性回归的一些基本问题。由于都化成了标准分，所以就不再有常数项a了，因为各自变量都取平均水平时，因变量也应该取平均水平，而平均水平正好对应标准分0，当等式两端的变量都取0时，常数项也就为0了。多元线性回归与一元线性回归类似，可以用最小二乘法估计模型参数，也需对模型及模型参数进行统计检验。选择合适的自变量是正确进行多元回归预测的前提之一，多元回归模型自变量的选择可以利用变量之间的相关矩阵来解决。参考资料来源：百度百科-多元线性回归

可以使用MultinominalLogistic回归来手动完成分类变量，因此不需要虚拟变量化。虚拟变量又称虚设变量、名义变量或哑变量，用以反映质的属性的一个人工变量，是量化了的自变量，通常取值为0或1。

会。没有年份虚拟变量时，时间的影响没有被控制，总体的Y和X负相关，但控制时间因素后，Y和X是正相关的，这才是真正的相关关系，之前的负相关是由时间变化引起的，加年份虚拟变量后剔除了时间变化的影响。

需要。如果明确是作为控制变量的分析，那就不是直接放入一个自变量栏，而是需要用回归分析，在里面有一栏是block功能，先把控制变量作为一个变量移入进去，然后点击block再把自变量移入进去。

加入你有五个年份，那就是设置四个虚拟变量，0000,0001,0010,0100,1000分别代表你的五个年份。然后把他选成控制变量。（好吧，我只确定怎么设置虚拟变量的方法。对于怎么弄控制变量不太有把握。你想弄什么分析的控制变量啊？）ppv课网站，免费的学习视频。

可以。置虚拟变量的个数是水平数减1，不然会有虚拟陷阱的问题。比如只需要设置一月到十一月的变量为D1.。D11 只能取0和1，都取0的时候就代表12月。在做回归预测时需要分析的数据往往是多变量的，在做多元回归时就需要特别注意了解数据是否能够满足做多元线性回归分析的前提条件。残差e 服从正态分布N(0,σ2) 。其方差σ2 = var (ei) 反映了回归模型的精度， σ 越小，用所得到回归模型预测y的精确度愈高。e 的大小不随所有变量取值水平的改变而改变，即方差齐性。扩展资料：多元线性回归的基本原理和基本计算过程与一元线性回归相同，但由于自变量个数多，计算相当麻烦，一般在实际中应用时都要借助统计软件。这里只介绍多元线性回归的一些基本问题。由于都化成了标准分，所以就不再有常数项a了，因为各自变量都取平均水平时，因变量也应该取平均水平，而平均水平正好对应标准分0，当等式两端的变量都取0时，常数项也就为0了。多元线性回归与一元线性回归类似，可以用最小二乘法估计模型参数，也需对模型及模型参数进行统计检验。选择合适的自变量是正确进行多元回归预测的前提之一，多元回归模型自变量的选择可以利用变量之间的相关矩阵来解决。参考资料来源：百度百科-多元线性回归

考虑到了行业和年份，对因变量的影响，每个行业和年份在模型中会有对应的，估计系数引入行业和年度的虚拟变量，以控制其对因变量的影响。一般都是通过xi批量生成年份和行业虚拟变量，然后进行回归的，这样就能控制年份和行业固定效应的。有些核心解释变量存在很大的年份差异或行业差异，控制这些固定效应之后，会更加稳健。不控制的话，回归结果有时差别会很大。

可以使用TABULATE命令。如果你的变量YEAR非常的规则，比如1990-2010年。共有21个年份。没有其他的比如小数、无理数之类的乱七八糟的数。那么tabulate YEAR, gen(REG)会直接生成21个变量，REG1，REG2，....REG21。REG1就是当YEAR =1990时取值为1，其他时候取值为0.类似的REG2就是当YEAR =1991时取值为1，其他时候取值为0。

年份虚拟变量是为了衡量差异我的数据是2001-2011年34个工业分行业的面板数据，因为想要控制年份效应，我用xtreg y x i.year,fe做出来核心解释变量不显著，用 tab year,gen(year) 再xtreg y x year2-year10,fe做出来回归结果就是显著的。