html控制变量范围,加入控制变量后结果悲催了？！

1 背景

1.1 问题的引入

两小儿辩车王小儿：我发现车越长越贵，比如，奥迪 A6L 就比 A4L 贵多了；

李小儿：那也未必，奥迪 R8 只有 4 米 4，但可以买两辆 A6L了。还有，我二爸开的那个公交车，12 米，才 30 万！

为什么车长与价格之间的关系并不'固定'？也就是说，如果用价格对车长回归，那么 R8，A6L，公交车会有显著的差异。

在大家做实证分析的最初阶段，经常会有一个困扰：原本主效应很符合预期目标，但加入了一个或几个控制变量后，主效应要么符号变了，要么不显著了。可是，关键控制变量不加入的话，审稿人必然会提出质疑。这是怎么回事了？要回答这个问题，让我们先从条件期望说起。

1.2 什么是条件期望

教育与收入的关系

春节临近，如何应对亲戚的'问候杀'，是一个亟待解决的现实问题。试想，举国欢庆的日子，大家齐坐一堂，面对读硕读博归家的你，七大姑问到：'大闺女，老大不小了，该干点正事谈个对象什么的呢，读那么多书干嘛呀'，你咽了咽口水'读书好啊，以后可以多挣钱孝敬您老人家'，话音未落，八大姑道：'哎呀瞎说，你看隔壁二狗子，高中没读完去做生意，现在赚老多钱了'….气氛顿时尴尬了，除了咽口水外，该怎么'杠'回去…

那就要了解条件期望的概念了：条件期望函数记为 ，是关于 的函数，考虑到 是随机的，所以条件期望函数也是随机的。比如给定 为受教育水平的一个定值，如 ，那么 就是表示所有读 12 年书的个体，其收入水平的期望值。用图说明

图片1

图中，横轴表示受教育水平，纵轴则为收入，在每一个给定的受教育水平下(如：受教育年限 12 年)，收入服从一个近似正态的随机分布。可以看到，由于存在着无法忽视的个体差异，使得某些低教育者的收入要高于某些高教育者的收入，但通常而言，教育水平高的人赚的更多。

看到这里，学习过初级计量经济学的同学肯定会想到，对，是'个人能力'的影响，是'个人能力'让二狗子和大闺女产生了收入的差异。确实如此，那么'个人能力'便是一个需要控制的重要变量。

2 Stata 实操

2.1 回到原例

让我们回到'小儿辩车'的引子。调入官方自带的汽车数据，研究汽车长度 length 对汽车价格 price 的影响。在多元回归中，加入的控制变量分别为里程数 mpg 和汽车重量 weight

利用外部命令 reganat (Filoso, 2013) 或 reganat2 对多元回归模型的系数进行图示：

. sysuse 'auto.dta', clear

. cap eststo clear

. eststo: reg price length

. eststo: reg price length mpg weight

. esttab, nogap

. reganat price length mpg weight, dis(length) ///

. biscat biline scheme(s2color)

图片2

虚线拟合线表示了不加入控制变量时 length 的影响，而实线是加入控制变量之后的。由之初的右上倾斜变为右下倾斜，这是一个本质性地改变。回归结果--------------------------------------------

(1) (2)

price price

--------------------------------------------

length 57.20*** -104.9**

(4.06) (-2.64)

mpg -86.79

(-1.03)

weight 4.365***

(3.74)

_cons -4584.9* 14542.4**

(-1.72) (2.47)

--------------------------------------------

N 74 74

--------------------------------------------

t statistics in parentheses

* p<0.1, ** p<0.05, *** p<0.01

对比 length 的系数可见，在一元回归时该系数显著为正(57.2)，而加入控制变量后，系数为负(-104.9)并在 10% 的水平下显著。原因分析

若真实的回归模型为 ① ，若此时将 的'贡献'剔除掉之后，得到的回归模型是 ② ，此时的 = ，若 与 相关， ，出现了内生性问题。若 与 无关，是否加入 并不影响 的系数。

2.2 通过实例演示

先进行正常的多元回归，加入主效应变量 length 和控制变量 mpg  weightsysuse auto.dta, clear

reg price length mpg weight

est store m1

接着，我们利用解构回归(regression anatomy)(参考《基本无害的计量经济学》)来'解读'正常的多元回归：1.先用 length 对控制变量 mpg weight 进行回归，然后可以得到一个残差项。2. 再用被解释变量对上一步的残差项进行回归。

. reg length mpg weight

. predict e, res

. reg price e

. est store m2

. esttab m1 m2 , nogap.估计结果--------------------------------------------

(1) (2)

price price

--------------------------------------------

length -104.9***

(-2.64)

mpg -86.79

(-1.03)

weight 4.365***

(3.74)

e -104.9*

(-2.22)

_cons 14542.4* 6165.3***

(2.47) (18.46)

--------------------------------------------

N 74 74

--------------------------------------------

t statistics in parentheses

* p<0.1, ** p<0.05, *** p<0.01

可以看到，最后得到的主效应估计结果一致，均为 -104.9 。在用 length  对控制变量  mpg  weight  回归后得到的残差项，表示  length  剔除了其他解释变量对自己的影响的'结果'，将其再与被解释变量的回归就是一个'净'的效应。

3 总结

可见，加入控制变量后，我们关心的估计系数是否会产生变化，取决于与控制变量之间的独立性。

我们列出将会出现的四种情形与控制变量之间完全独立，则加入控制变量对估计系数无影响(情形 1)

图片3与控制变量之间相关，且完全通过控制变量的'途径'来影响被解释变量，则估计系数不显著(情形 2)

图片4与控制变量之间高度相关，则加入控制变量后，估计系数都不显著(情形 3)

图片5与控制变量之间相关，则加入控制变量后，主要解释变量的估计系数会出现大小和符号变化。具体变化取决于与控制变量间的正负相关性。(情形4)

图片6