1樓：莊李秦
，可以參考這個Github專案裡的方法，成功執行後能找出來妨礙顯著的樣本，妨礙顯著的樣本其實經常都不多，也就佔5%~10%。經驗證，篩選後的樣本，在SPSS，Stata中也可以穩定得到顯著的結果。
2樓：cnYuan
上面很多答案提到：多重共線性可能是導致不顯著的乙個原因。我想針對這一點展開說一說。
我專欄有一篇文章，用乙個資料集為例，直觀的展示了，多重共線性是如何把我們的結果從理想變得不理想的；文末也對此現象進行了解釋。相信看過後，大概率你會對多重共線性和顯著性的認識更深刻幾分↓
3樓：
資料探勘是乙個技術活，一下子就顯著的是不是要思考一下是不是偽回歸的可能。
不顯著可能的原因很多，比如共線、變數度量的問題，樣本的自選擇偏誤等等。
如果實在需要顯著的結果，有兩個重要的方法，首先是看變數本身的度量，有沒有其他度量的方法和調整的空間、比如樓上已經提到的融資約束的度量、分組的化啞變數的設定等等；另乙個就是樣本的選擇和缺失值的處理，是替換成零（經濟學上是否有意義），或者直接作為缺失刪掉，這些都會顯著的影響結果的顯著程度甚至方向。
當然，顯著與否這些調整之後也許依然差的好遠，那麼就需要思考理論上是否成立了，或者是不是乙個偽命題了。
4樓：intothefuture
昨天剛剛考完計量經濟學
解決問題的方法是，先估計產生問題的原因，驗證猜測是否正確，尋找改進方案，驗證改進後的方案是否更合適。
5樓：
首先，回歸係數不顯著不能簡單滴認為對應的解釋變數對被解釋變數沒有影響。
先觀察下F檢驗值，如果整體線性檢驗不顯著，那麼說明模型設定為線性不合適，需採用其他模型形式。如非線性回歸模型。如果替代模型的回歸係數t檢驗拒絕原假設（顯著），那麼說明是模型設定問題。
再者，對殘差進行異方差檢驗以及自相關檢驗，如果存在異方差或者自回歸，則用廣義OLS法消除後，再做引數顯著性檢驗。異方差和自回歸的存在均會使得t檢驗失效。
如果仍然不顯著，那麼就要考慮是否將該變數從模型中剔除了。若剔除該變數後的回歸結果使得三個資訊準則值均下降，那麼就該剔除該變數。
分析面板資料，回歸後有變數不顯著，我該怎麼辦？
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，...
線性回歸方程中虛擬變數的回歸係數怎麼解釋？
靜學社 學無止境 主要看虛擬變數是如何編碼的，編碼不一樣，代表的意義不一樣。比如SPSS軟體對於二分類邏輯回歸和cox回歸預設提供了7種編碼，如果使用Python或者R則可以自定義任何編碼。編碼的設計可以依照方差分析中的Contrast 中文翻譯為 對比 或者 對照 來設計，首先設計 對比 然後得到...
計量經濟學，stata怎麼做兩個回歸係數之和的95 置信區間
暮雪寒泉 通過Stata中的lincom命令即可以實現。以條件logit模型為例進行說明 clogit choice drug eff1 drug eff2,group id nolog Conditional fixed effects logistic regressionNumber of o...