Comment gérer les variables muettes omises dans un modèle à effet fixe?

J'utilise un modèle à effet fixe pour mes données de panel (9 ans, 1000+ obs), car mon test de Hausman indique une valeur . Lorsque j'ajoute des variables fictives pour les industries incluses dans mes entreprises, elles sont toujours omises. Je sais qu'il y a une grande différence en ce qui concerne le DV (indice de divulgation) entre les différents groupes industriels. Mais je ne peux pas les intégrer dans mon modèle lorsque j'utilise Stata. $(Pr>\chi^2)<0.05$

Des suggestions pour résoudre ce problème? Et pourquoi sont-ils omis?

— BEF
source

* omis en raison de la colinéarité

— BEF

L'erreur générée par Stata signifie que certaines de vos variables indépendantes sont parfaitement colinéaires. Le coupable probable est dans les variables fictives. Soit vous avez oublié d'exclure au moins l'un des variables muettes, soit une combinaison des autres variables indépendantes est parfaitement colinéaire (ou l'une des variables muettes n'a pas de variation). @chl, Stata supprimera automatiquement une variable lorsqu'une colinéarité parfaite se produit dans un modèle de régression (je suis assez sûr que c'est le message d'erreur dont parle l'OP).

— Andy W

Andy W a raison. Ils seraient omis en raison de la colinéarité. noconstantDéposez simplement l'un des mannequins ou utilisez-le (xtreg le fera pour vous)

— Keith

Les modèles de régression de panel à effets fixes impliquent la soustraction des moyennes de groupe des régresseurs. Cela signifie que vous ne pouvez inclure que des régresseurs variant dans le temps dans le modèle. Étant donné que les entreprises appartiennent généralement à une seule industrie, la variable muette pour l'industrie ne varie pas avec le temps. Par conséquent, il est exclu de votre modèle par Stata, car après avoir soustrait la moyenne du groupe à une telle variable, vous obtiendrez qu'elle est égale à zéro.

Notez que le test de Hausman est un peu délicat, vous ne pouvez donc pas uniquement baser votre sélection de modèle (effets fixes vs effets aléatoires) avec lui. Wooldridge l'explique très bien (à mon avis) dans son livre .

— mpiktas
source