互助问答第59期：多期DID平行趋势检验以及因子分析累计方差贡献率

点击蓝字关注我们

  今日问题1

在多期DID情况下：平行趋势检验图示中最后生成的图是怎么看的？怎么能看出来政策发生期前不显著？还有图上的置信区间有什么用？能代表什么？

今日解答1

纵轴表示的是处理组和控制组在结果变量上的差值。政策干预前一年作为参照基准，所以取值为0。如果政策实施前，处理组和控制组的结果变量曲线是平行的，那么他们的差值就是个常数，也即相对于参照基准，纵轴的取值应该为0——政策实施两期前的纵轴取值确实在0附近，符合平行趋势假设。如果政策确实有效果，我们就应该发现: 政策实施后的纵轴取值明显偏离0，图中确实有这个态势。置信区间说明的是纵轴取值是否显著区别于0，如果包含0点，就跟0没有显著区别——因此，政策实施两期前的纵轴取值确实为0，严格符合平行趋势；而政策实施后也只有第三年的效果显著大于0，其他年份政策效果不显著。需要说明的是，政策实施前一年是参照基准，纵轴取值就是0，不应该出现置信区间，您提供的这个图有误。

今日问题2

关于因子分析的结果。老师好，我有X1,X2,X3,X4,X5,X6，（参考图片Q501）六个有序变量。因变量是二分类变量。我想把以上六个指标整合成一个指标，通过因子分析发现，每个指标的方差贡献率都比较低，特征根大于1的只有一个。但是这个特征根累计方差贡献率才47.6%。这种情况下我如何将以上六个指标整合成一个指标？希望您能给我解答一下。感谢。

今日解答2

因子分析是一种将多变量化简的技术，可以看成是主成分分析的推广。因子分析的目的是分解原始变量，从中归纳出潜在“类别”，相关性强的归为一类，每一类代表一个共同因子，即一种内在结构，因子分析是寻找该结构。

根据具体问题，判断是否需要进行因子分析，采用KMO检验及Bartlet’s球形检验判断是否符合要求；一般提取的主成份累计贡献80~85%以上就比较满意。就你的问题描述来看，检验结果不是很好，是不是可以考虑通过其他方法合并成一个指标，例如，熵值法等。

学术指导：张晓峒老师

本期解答人：中关村大街  吴义根老师 

编辑：赵梦阳 涂盟

统筹：易仰楠 李丹丹

技术：知我者 赵雅轩 郭凯

往期回顾

长按二维码识别关注我们

如果您在计量学习和实证研究中遇到问题，请及时发到邮箱[e-mail]，专业委员会有30名编辑都会看，您的问题会得到及时关注！请您将问题描述清楚，任何有助于把问题描述清楚的细节都能使我们更方便地回答您的问题，提问细则参见：实证研究互助平台最新通知

如果您想成为问题解答者，在帮助他人过程中巩固自己的知识，请发邮件至[e-mail]（优先）或给本公众号留言或加微信793481976给群主留言，我们诚挚欢迎热心的学者和学生。具体招募信息请参见：实证研究互助平台志愿者团队招募公告

鲜活的事例更有助于提高您的研究水平，呆板的教科书让人生厌。如果您喜欢，请提出您的问题，也请转发推广！

（欢迎转发，欢迎分享；转载请注明出处，引用和合作请留言。本文作者拥有所有版权，原创文章最早发表于“论文导向计量实证社区”。任何侵权行为将面临追责！）