1樓：流映
不顯著的意思應該是臉10%的顯著性*都不夠的意思吧。原因和解決思路包括：1.
主變數（解釋變數或被解釋變數）的原始資料可能有問題，存在異常值或離群值，可能需要插補，但是如果樣本量太少的話，不咋建議大量插補或修正資料。2.控制變數沒選好，多看幾篇文獻，多選幾個控制變數，或者根據機制自己選控制變數，或者挨個試，注意控制多重共線性；3.
面板回歸方法和命令問題，基本的hausman檢驗就有好幾種可以選，FE和GMM的命令也有好多種，選擇基本原則是盡量穩健，考慮異方差、AR和MA等。
可參考一些關於STATA面板模型的學習資料。
2樓：嚕啦嚕啦嘞
我記得是如果時間長度過短，單位根檢驗沒有太大的用途，可以不用吧，如果是小n大t必須單位根檢驗了，只有同階才可以繼續檢查協整（人大論壇看到的）
3樓：Alc52
不顯著?是r方還是什麼檢驗，r方的話看看參考一下就行了，沒有什麼本質上的判斷作用，但是像其他的檢驗就有效果的，具體的情況具體來說，你就說個不顯著，神仙也不知道什麼問題啊。
面板資料回歸時，在確定固定效應模型後，如何選擇個體固定效應或時間固定效應呢？
連玉君 在金融經濟學研究中，固定效應的應用非常普遍，但是仍有許多研究者對固定效應的理解有限。deHaan 2021 主要解釋了以下問題 固定效應如何消除遺漏變數偏誤和影響標準誤差 固定效應回歸中常見的陷阱。特別地，deHaan 2021 主要關注於那些 X 具有非常小或沒有變動的固定效應組 例如，公...
回歸分析是否資料越多越好？
資料無疑越多越好，但題主這個情況明顯量夠了。代價 cost 和資料量 m 變化情況如下 一般來說，在資料方差 vriance 較大的情況下，即資料離散程度較高，或者說存在一定過擬合 overfitting 時，增大受訓資料量作用會很大。從題圖來看，方差適中，沒必要進一步採集資料。題主剩下要做的就是用...
多元回歸分析的時候，變數都是顯著的，但是係數正負號與實際情況相反，是為什麼，怎麼解決呢？
007酷哥 假設實際情況是已有的理論研究結論，或是已有的實證結論，那麼這個模型很可能是沒解決好 遺漏變數偏差 問題，請仔細分析有無造成遺漏變數偏差的因素，然後採用加入該變數再回歸的方法。模型內生性問題是計量模型的核心問題，注意的是，你的模型不是統計模型而是計量模型。 與實際情況相反的意思是與理論假設...