bootstrap中介效应检验步骤stata可以添加时间效应和固定效应吗 STATA面板数据如何引入个体固定效应和时间固定效应？
bootstrap\u68c0\u9a8c\u4e2d\u4ecb\u6548\u5e94\u5982\u4f55\u89e3\u8bfb\u7ed3\u679c?stata\u91c7\u7528Preacher \u548c Hayes ( 2008 ) \u7684Bootstrapping \u4e2d\u4ecb\u6548\u5e94\u68c0\u9a8c\u65b9\u6cd5(\u8bbe\u7f6e 5000 \u6b21\u8fed\u4ee3)\uff0c\u8be5\u65b9\u6cd5\u63d0\u4f9b\u4e2d\u4ecb\u6548\u5e94\u7684 95% \u7f6e\u4fe1\u533a\u95f4\u4f30\u8ba1\uff0c\u5982\u679c\u533a\u95f4\u4f30\u8ba1\u542b\u6709 0 \u5c31\u8868\u793a\u4e2d\u4ecb\u6548\u5e94\u4e0d\u663e\u8457\uff0c\u5982\u679c\u533a\u95f4\u4f30\u8ba1\u4e0d\u542b\u6709 0 \u5219\u8868\u793a\u4e2d\u4ecb\u6548\u5e94\u663e\u8457\u3002
\u6b64\u5916\u5bf9\u4e2d\u4ecb\u6548\u679c\u91cf\u7684\u8ba1\u7b97\u7ed3\u679c\u8868\u660e\uff0c4 \u79cd\u6548\u679c\u91cf\u7684\u7f6e\u4fe1\u533a\u95f4\u90fd\u4e0d\u5305\u62ec0\uff0c\u56e0\u6b64\u5fc3\u7406\u5f39\u6027\u5728\u81ea\u5c0a\u4e0e\u5e94\u5bf9\u65b9\u5f0f\u95f4\u5b58\u5728\u663e\u8457\u7684\u4e2d\u4ecb\u4f5c\u7528\u3002
\u6269\u5c55\u8d44\u6599\uff1a
\u6ce8\u610f\u4e8b\u9879\uff1a
\u5f88\u591a\u7edf\u8ba1\u91cf\u662f\u4e0d\u80fd\u7528bootstrap\u7684\uff0c\u6bd4\u5982\u5e38\u89c1\u7684\u975e\u53c2\u6570kernel\u56de\u5f52\uff0c\u4ee5\u53ca\u4e00\u4e9b\u76ee\u6807\u51fd\u6570\u4e0d\u662f\u975e\u5e38\u5e73\u6ed1\u7684\u4f30\u8ba1\u91cf\uff0c\u4f8b\u5982quantile\u56de\u5f52\u3001maximum score estimators\u7b49\u7b49\u3002
bootstrap\u7684\u62bd\u6837\u65b9\u6cd5\u9664\u4e86\u6700\u7b80\u5355\u7684\u6709\u653e\u56de\u62bd\u6837\u4e4b\u5916\uff0c\u8fd8\u6709\u5404\u79cd\u5176\u4ed6\u7684\u62bd\u6837\u65b9\u6cd5\uff0c\u6709\u53c2\u6570\u7684\u3001\u975e\u53c2\u6570\u7684\uff0c\u6709bolck\uff0c\u6709residual-based\u3002\u8fd9\u4e9b\u65b9\u6cd5\u5982\u679c\u6269\u5c55\u8d77\u6765\u5c31\u6709\u70b9\u590d\u6742\u4e86\uff0c\u5982\u679c\u662f\u8981\u505atest\uff0c\u90a3\u4e48\u4e0d\u540c\u7684\u62bd\u6837\u65b9\u6cd5\u4f1a\u5bfc\u81f4\u4e0d\u540c\u7684size\u548cpower\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-Bootstrap
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u4e2d\u4ecb\u6548\u5e94
\u9009\u9879\u6846\u91cc\u9762\u6709\u586b\u5199\u7684\uff0c\u4e00\u4e2a\u662fcross\u5f00\u5934\u7684\uff0c\u4e00\u4e2a\u662ftime\u5f00\u5934\u7684\uff0c\u5206\u522b\u9009\u5165\u5373\u53ef
1.先通过逐步回归检验中介效应【核心解释变量是cepi，理想的中介变量是industry】；2.由于第二个回归cepi系数不显著，借鉴温忠麟（2014）的检验程序，采用Bootstrap法；拓展：1.Sobeltest
在Sobeltest中，按照表格的要求输入数字，从而自动生成“SobelZ”的数字，只要这个数字绝对值大于1.96，则代表中介效应显著。
2.Prodclin2
类似于Sobeltest，也是通过程序运算得出结果。缺点在于只能计算单个中介效用模型，且只能算出间接效应的CI（《Distributionoftheproductconfidencelimitsoftheindirecteffect:ProgramProdclin》)
3.bootstrap
在计算机的高速发展以后，bootstrap登上了统计模拟的舞台。在介绍之前，首先需要了解一下标准误，t值=非标准化斜率/标准误。
地球上所有的人就是全体样本，在里面每一次的调查抽样就是选取了这个总体里的一小部分。假设进行了一百次调查，那么这一百次调查会得到100个均值，此时再求这100个均值的方差，即为标准误。
绛旓細閲囩敤Preacher 鍜 Hayes ( 2008 ) 鐨Bootstrapping 涓粙鏁堝簲妫楠鏂规硶(璁剧疆 5000 娆¤凯浠)锛岃鏂规硶鎻愪緵涓粙鏁堝簲鐨 95% 缃俊鍖洪棿浼拌锛屽鏋滃尯闂翠及璁″惈鏈 0 灏辫〃绀轰腑浠嬫晥搴斾笉鏄捐憲锛屽鏋滃尯闂翠及璁′笉鍚湁 0 鍒欒〃绀轰腑浠嬫晥搴旀樉钁椼傛澶栧涓粙鏁堟灉閲忕殑璁＄畻缁撴灉琛ㄦ槑锛4 绉嶆晥鏋滈噺鐨勭疆淇″尯闂撮兘涓嶅寘鎷0锛屽洜姝ゅ績鐞嗗脊鎬у湪...
绛旓細涓粙鏁堝簲妫楠鐨勬柟娉曠洰鍓嶆湁鍥涚锛氶愭鍥炲綊娉曘佺郴鏁颁箻绉楠屾硶銆佸樊寮傜郴鏁版楠屾硶鍜孊ootstrapping銆傘
绛旓細棣栧厛锛岄偅涓笉鏄痯鍊硷紝鍙槸缃俊鍖洪棿锛孊S鏄亸宸煫姝ｇ殑缃俊鍖洪棿锛宐s1浠ｈ〃闂存帴鏁堝簲锛宐s2浠ｈ〃鐩存帴鏁堝簲锛屼笉鍖呭惈闆跺垯璁や负鏁堝簲瀛樺湪锛屽瓨鍦ㄩ棿鎺ユ晥搴斾笉瀛樺湪鐩存帴鏁堝簲锛岃鏄庢槸瀹屽叏涓粙銆傦紙骞朵笉鏄鐪熺殑涓嶅瓨鍦ㄧ洿鎺ユ晥搴旓紝鑰屾槸灏嗕腑浠嬪彉閲忓拰涓诲彉閲忓悓鏃跺姞杩涙柟绋嬶紝涓绘晥搴斾笉鍦ㄦ樉钁楋級涓姝ｄ竴璐熷彲鑳芥湁闂锛屽簲璇ユ槸涓鑷寸殑鏂瑰悜锛屼絾鏄...
绛旓細绯绘暟涔樼Н娉曞垎涓轰袱绫伙紝涓绫绘槸鍩轰簬涓粙鏁堝簲鐨勬娊鏍峰垎甯冧负姝ｆ佸垎甯冪殑Sobel妫楠娉曪紝鍙︿竴绫绘槸鍩轰簬涓粙鏁堝簲鐨勬娊鏍峰垎甯冧负闈炴鎬佸垎甯冪殑Bootstrap鎶芥牱娉曘傚叾鍘熺悊鏄楠宎涔樹簬b鏄惁鍛堢幇鍑烘樉钁楁с係obel妫楠岀殑鍓嶆彁鍋囪鏄腑浠嬫晥搴旀槸姝ｆ佸垎甯冧笖闇瑕佸ぇ鏍锋湰銆侭ootstrap娉曡兘閫傜敤浜庝腑銆佸皬鏍锋湰鍜屽悇绉嶄腑浠嬫晥搴旀ā鍨 鍥犳灉閫愭妫楠屾硶...
绛旓細鍦bootstrap涓仛涓粙鏁堝簲鐨妫楠涓嶉渶瑕佺湅p鍊硷紱鐢Bootstrap鏂规硶鍋氫腑浠嬫晥搴旂殑妫楠岋紝鏄牴鎹淏ootLLCI锛 BootULCI鈥濊繖涓鍖洪棿鏄惁鍖呭惈0鏉ュ垽鏂殑锛屼笉鍖呭惈0鍒欎腑浠嬫晥搴旀樉钁楋紝鍖呭惈0鍒欎腑浠嬫晥搴斾笉鏄捐憲銆侭ootstrap鏈骞挎硾鐨勫簲鐢ㄦ槸涓粙鏁堝簲鐨勬楠屻侭ootstrap鐨勪紭鍔匡細涓嶈姹傛鎬佸垎甯冿紝鏁忔劅鎬ф洿楂橈紙鏇村鏄撳嚭鏉ユ樉钁楃殑缁撴灉锛...
绛旓細鐒跺悗妫楠X鈥斺擬锛堜腑浠嬪彉閲忥級鐨勫洖褰掞紝妫楠宎鍙傛暟锛堝嵆X鐨勫洖褰掔郴鏁帮級鏈鍚庢楠孹,M鈥斺擸鐨勫洖褰掞紝妫楠宐鍙傛暟锛圡鐨勫洖褰掔郴鏁帮級鍜宑'鍙傛暟锛圶鐨勫洖褰掔郴鏁帮級鑻鍜宐鍧囨樉钁楋紝鍒涓粙鏁堝簲瀛樺湪 鐢bootstrap鐨勮瘽灏辨槸鍦ㄥ洖褰掑垎鏋愰噷闈㈤夋嫨bootstrap閫夐」鍗冲彲锛屼綘鍙互鑷繁璁剧疆鎶芥牱娆℃暟锛岄氬父鎶芥牱鑷冲皯瑕1000娆★紝杩欐椂鍊欎綘鍒嗘瀽a鍜宐...
绛旓細鐢盉aron鍜孠enny(1986)鎻愬嚭銆Bootstrap娉曡兘閫傜敤浜庝腑銆佸皬鏍锋湰鍜屽悇绉涓粙鏁堝簲妯″瀷锛屽綋鍓峉PSSAU銆愰棶鍗风爺绌躲--銆愪腑浠嬩綔鐢ㄣ戜篃浣跨敤Bootstrap鎶芥牱娉曡繘琛妫楠銆傚苟涓旀敮鎸佷竴娆℃ф斁缃涓嚜鍙橀噺X銆佷腑浠嬪彉閲廙鍙婃帶鍒跺彉閲忕瓑銆傛楠屾柟娉曪細Bootstrap鎶芥牱娉曟楠屾槸鎸囧洖褰掔郴鏁癮鍜屽洖褰掔郴鏁癰鐨勪箻绉」锛坅*b锛夌殑95%缃俊鍖洪棿鏄惁鍖呮嫭...
绛旓細1.鍏堥氳繃閫愭鍥炲綊妫楠屼腑浠嬫晥搴銆愭牳蹇冭В閲婂彉閲忔槸cepi锛岀悊鎯崇殑涓粙鍙橀噺鏄痠ndustry銆戯紱2.鐢变簬绗簩涓洖褰抍epi绯绘暟涓嶆樉钁楋紝鍊熼壌娓╁繝楹燂紙2014锛夌殑妫楠岀▼搴忥紝閲囩敤Bootstrap娉曪紱鎷撳睍锛1.Sobeltest鍦⊿obeltest涓紝鎸夌収琛ㄦ牸鐨勮姹傝緭鍏ユ暟瀛楋紝浠庤岃嚜鍔ㄧ敓鎴愨淪obelZ鈥濈殑鏁板瓧锛屽彧瑕佽繖涓暟瀛楃粷瀵瑰煎ぇ浜1.96锛屽垯浠ｈ〃涓粙鏁堝簲...
绛旓細鐞嗚В浜嗕笂杩颁腑浠嬩綔鐢ㄧ殑鍘熺悊锛屽嵆閫氳繃a*b鐨Bootstrap鍖洪棿杩涜涓粙鏁堝簲妫楠鍚庛傛帴涓嬫潵鍙傝冨鑰呮俯蹇犻簾绛(2014)鍥犳灉閫愭鍥炲綊娉曠殑妫楠屾楠よ繘琛岃鏄庯紝濡備笅鍥撅細鍙互浣跨敤SPSSAU蹇熻繘琛屽垎鏋愩備笂鍥句负涓粙浣滅敤鐨勬楠屾楠わ紝SPSSAU涓ユ牸鎸夌収姝ゆ楠屾楠よ繘琛屻傚叿浣撹鏄庡涓嬶細绗竴锛歝琛ㄧずX瀵筜鏃剁殑鍥炲綊绯绘暟锛堟ā鍨嬩腑娌℃湁涓粙鍙橀噺M...
绛旓細1銆妫楠屼腑浠嬫晥搴鐨勭粺璁℃樉钁楁э細鍦ㄨ繘琛屼腑浠嬫晥搴斿垎鏋愭椂锛屾垜浠彲浠ヤ娇鐢ㄧ粺璁℃柟娉曟潵妫楠屼腑浠嬫晥搴旀槸鍚︽樉钁椼傚父浣跨敤鐨勬柟娉曞寘鎷Bootstrap娉曘丼obel妫楠屻佸亸宸牎姝ｇ疆淇″尯闂寸瓑銆傚綋涓粙鏁堝簲鐨刾鍊煎皬浜庝簨鍏堣瀹氱殑鏄捐憲鎬ф按骞筹紙甯镐负0.05锛夛紝鍒欏彲浠ヨ涓轰腑浠嬫晥搴旀槸鏄捐憲鐨勩2銆佷腑浠嬫晥搴旂殑澶у皬锛氫腑浠嬫晥搴旂殑澶у皬鍙互閫氳繃璁＄畻闂存帴...
