互助问答第880期：selection ratio可以用面板固定效应模型来做吗？

今日提问

     您好，请问selection ratio可以用面板固定效应模型来做吗？吸收固定效应的模型，遗漏变量问题肯定变少，selection ratio更大。还有一个问题是selection ratio是看绝对值吗？我用面板固定效应模型计算得到-21，这个合理吗？

问题解答

    可以使用面板固定效应模型来计算选择比例（selection ratio），而且这种方法可以减少遗漏变量问题的影响。面板固定效应模型通过固定每个个体的截距来控制个体的固定特征，从而减少了遗漏变量的问题。这使得面板固定效应模型在控制固定个体特征的同时，可以研究其他变量与因变量之间的关系。

至于selection ratio是否看绝对值，这取决于你的研究目的和研究背景。通常情况下，selection ratio是用来衡量一个变量被选入模型的程度，因此绝对值越大，说明这个变量在模型中的重要性越高。然而，在某些情况下，可能只关心选择方向（即正向或负向）而不是选择比例的具体值。                                                                          至于你的面板固定效应模型计算得到的选择比例为-21是否合理，这需要根据你的研究问题和研究数据的背景来进行判断。如果选择比例为负数，这意味着该变量被排除在模型之外，而且被排除的程度较高。但是具体数值的合理性需要结合具体情况进行判断，因此需要考虑到数据集的特征以及研究目的等因素。

本期关键词

固定效应，内生性

本期知识科普

Selection ratio 指标可以帮助我们来判别不可观测变量选择性偏误的强度，解决样本选择偏差导致的内生性问题。这背后的原理是系数估计稳定性理论。关于系数稳定性理论，可以学习Altonji et al (2005, JPE)、Bellows and Miguel(2008, JPubE)、Oster (2019,JBES) 的三篇文章。

系数估计稳定性理论讲的是在控制了关键控制变量之后，新加入的控制变量与核心解释变量的残余相关性比较小，从而使得系数估计比较稳定。倘若研究中还存在遗漏的(不可观测的、没办法控制的)选择性变量的话，我们有理由相信，这些遗漏的选择性变量和核心解释变量之间的残余相关性也会比较小。所以即使不控制也不会影响系数估计。这样的推断有一个逻辑上的跳跃，这其实是一种间接检验的思想。即，系数估计稳定性理论的本质是用可观测变量的选择性去推断不可观测变量的选择性。即控制了关键控制变量以后，额外的可观测控制变量还能纠正系数估计的程度，去推断遗漏变量还能抵消掉的因果效果的程度。我们通过计算Selection ratio，来衡量系数稳定性。Selection ratio 没有明确的临界值，但一般认为至少不能小于1。越大说明系数越稳定。