今日問題1?

在多期DID情況下：平行趨勢(shì)檢驗(yàn)圖示中最后生成的圖是怎么看的？怎么能看出來政策發(fā)生期前不顯著？還有圖上的置信區(qū)間有什么用？能代表什么？

縱軸表示的是處理組和控制組在結(jié)果變量上的差值。政策干預(yù)前一年作為參照基準(zhǔn)，所以取值為0。如果政策實(shí)施前，處理組和控制組的結(jié)果變量曲線是平行的，那么他們的差值就是個(gè)常數(shù)，也即相對(duì)于參照基準(zhǔn)，縱軸的取值應(yīng)該為0——政策實(shí)施兩期前的縱軸取值確實(shí)在0附近，符合平行趨勢(shì)假設(shè)。如果政策確實(shí)有效果，我們就應(yīng)該發(fā)現(xiàn): 政策實(shí)施后的縱軸取值明顯偏離0，圖中確實(shí)有這個(gè)態(tài)勢(shì)。置信區(qū)間說明的是縱軸取值是否顯著區(qū)別于0，如果包含0點(diǎn)，就跟0沒有顯著區(qū)別——因此，政策實(shí)施兩期前的縱軸取值確實(shí)為0，嚴(yán)格符合平行趨勢(shì)；而政策實(shí)施后也只有第三年的效果顯著大于0，其他年份政策效果不顯著。需要說明的是，政策實(shí)施前一年是參照基準(zhǔn)，縱軸取值就是0，不應(yīng)該出現(xiàn)置信區(qū)間，您提供的這個(gè)圖有誤。

今日問題2

關(guān)于因子分析的結(jié)果。老師好，我有X1,X2,X3,X4,X5,X6，（參考圖片Q501）六個(gè)有序變量。因變量是二分類變量。我想把以上六個(gè)指標(biāo)整合成一個(gè)指標(biāo)，通過因子分析發(fā)現(xiàn)，每個(gè)指標(biāo)的方差貢獻(xiàn)率都比較低，特征根大于1的只有一個(gè)。但是這個(gè)特征根累計(jì)方差貢獻(xiàn)率才47.6%。這種情況下我如何將以上六個(gè)指標(biāo)整合成一個(gè)指標(biāo)？希望您能給我解答一下。感謝。

因子分析是一種將多變量化簡(jiǎn)的技術(shù)，可以看成是主成分分析的推廣。因子分析的目的是分解原始變量，從中歸納出潛在“類別”，相關(guān)性強(qiáng)的歸為一類，每一類代表一個(gè)共同因子，即一種內(nèi)在結(jié)構(gòu)，因子分析是尋找該結(jié)構(gòu)。

根據(jù)具體問題，判斷是否需要進(jìn)行因子分析，采用KMO檢驗(yàn)及Bartlet’s球形檢驗(yàn)判斷是否符合要求；一般提取的主成份累計(jì)貢獻(xiàn)80~85%以上就比較滿意。就你的問題描述來看，檢驗(yàn)結(jié)果不是很好，是不是可以考慮通過其他方法合并成一個(gè)指標(biāo)，例如，熵值法等。

學(xué)術(shù)指導(dǎo)：張曉峒老師

本期解答人：中關(guān)村大街? 吳義根老師?

編輯：趙夢(mèng)陽 涂盟

統(tǒng)籌：易仰楠 李丹丹

技術(shù)：知我者 趙雅軒 郭凱

往期回顧

互助問答第58期：多對(duì)多匹配中的joinby與merge

互助問答第57期：門檻回歸和取對(duì)數(shù)問題

互助問答第56期：對(duì)第55期交互項(xiàng)臨界值的重新解釋

互助問答第55期：關(guān)于交互項(xiàng)及相關(guān)問題的處理

長(zhǎng)按二維碼識(shí)別關(guān)注我們

如果您在計(jì)量學(xué)習(xí)和實(shí)證研究中遇到問題，請(qǐng)及時(shí)發(fā)到郵箱szlw58@126.com，專業(yè)委員會(huì)有30名編輯都會(huì)看，您的問題會(huì)得到及時(shí)關(guān)注！請(qǐng)您將問題描述清楚，任何有助于把問題描述清楚的細(xì)節(jié)都能使我們更方便地回答您的問題，提問細(xì)則參見：實(shí)證研究互助平臺(tái)最新通知

如果您想成為問題解答者，在幫助他人過程中鞏固自己的知識(shí)，請(qǐng)發(fā)郵件至szlw58@126.com（優(yōu)先）或給本公眾號(hào)留言或加微信793481976給群主留言，我們誠(chéng)摯歡迎熱心的學(xué)者和學(xué)生。具體招募信息請(qǐng)參見：實(shí)證研究互助平臺(tái)志愿者團(tuán)隊(duì)招募公告

鮮活的事例更有助于提高您的研究水平，呆板的教科書讓人生厭。如果您喜歡，請(qǐng)?zhí)岢瞿膯栴}，也請(qǐng)轉(zhuǎn)發(fā)推廣！

（歡迎轉(zhuǎn)發(fā)，歡迎分享；轉(zhuǎn)載請(qǐng)注明出處，引用和合作請(qǐng)留言。本文作者擁有所有版權(quán)，原創(chuàng)文章最早發(fā)表于“論文導(dǎo)向計(jì)量實(shí)證社區(qū)”。任何侵權(quán)行為將面臨追責(zé)！）