中介效应（三步回归、Sobel检验、Bootstrap自抽样检验）
Heckman两阶段回归结果
分组回归（组间系数检验）
工具变量回归模型（2SLS模型）
调节效应（包含画图分析）
中位数回归（解决极端值问题）
PSM倾向性得分匹配回归结果
分享文件中包含代码以及示例数据，大家可以照着例子来运行！
顶刊示例：
相关研究：
[1]王艳华.供应链弹性对流通绩效的影响分析—基于可持续性的中介效应[J].商业经济研究,2022(08):33-36.
[2]李蕾,刘荣增.产业融合与制造业高质量发展：基于协同创新的中介效应[J].经济经纬,2022,39(02):78-87.DOI:10.15931/j.cnki.1006-1096.2022.02.004. [3]曾鑫,吴刘仓,曹幸运.混合偏正态数据下中位数回归模型的参数估计[J].昆明理工大学学报(自然科学版),2021,46(03):167-174.DOI:10.16112/j.cnki.53-1
2022-04-20 17:03:50
8.31MB
我们认为，仅采用专利的分类号数量并不能准确区分出一项专利所包含分类号之间的内部差异，反而会对专利质量的测度产生偏误。例如，一项专利共有三个分类号A01 B02/00、A01 B02/ 10、A01 B02/20，而另一项专利也有三个分类号：A01 B02 /00、A02B13/00 B35D13/20，这两项专利虽然专利分类号数量相同，但由于第一项专利只利用了A01 B02的一个大组信息，而第二项专利则利用了A01 B02、A02B13、B35D13这三个大组信息，显然第二项专利所运用的知识宽度要大于前者，因此，其专利质量相应也更高。为了尽量减少这一偏误，参照产业集中度的测算思路，该项指标采取大组层面的赫芬达尔一赫希曼指数的逻辑思路对其进行加权，企业专利知识宽度的具体计算方法为
其中，a表示专利分类号中各大组分类所占比重。可以看出，越大，各个大组层面的专利分类号之间的差异越大，即表明企业创造专利所运用的知识宽度越大，其专利质量可能就表现为越高。
2022-04-19 19:03:53
277.75MB
上市公司女性高管指标数据整理Stata代码（附1999-2020年数据）
2022-04-18 09:04:07
34.94MB
Fama-French三因子模型数据和Stata代码（2000-2020年）
2022-04-16 20:03:32
75.64MB
Fama-French三因子模型数据和Stata代码（2000-2020年）
2022-04-16 20:03:31
136.9MB