00:00 / 03:09
连播
清屏
智能
倍速
点赞7
00:00 / 03:10
连播
清屏
智能
倍速
点赞7
00:00 / 50:16
连播
清屏
智能
倍速
点赞17
00:00 / 03:21
连播
清屏
智能
倍速
点赞18
00:00 / 02:30:19
连播
清屏
智能
倍速
点赞59
00:00 / 09:20
连播
清屏
智能
倍速
点赞16
00:00 / 09:16
连播
清屏
智能
倍速
点赞786
00:00 / 01:52
连播
清屏
智能
倍速
点赞505
00:00 / 05:50
连播
清屏
智能
倍速
点赞2
实证分析以数字普惠金融对xx收入的影响研究为例 变量选取与数据准备 被解释变量:农村居民人均可支配收入(来自国家/省级统计年鉴) 核心解释变量:北京大学数字普惠金融总指数 控制变量(选3–5个):如财政支出规模、对外开放程度(如进出口总额/GDP)、平均受教育年限、城镇化率等,参考已有硕士论文确定 构建面板数据并说明变量 整理2011–2020年(或2014–2023年等)省级面板数据 制作“变量定义表”,明确每个变量的名称、符号、衡量方式和数据来源 描述性统计与相关性分析 在Stata中导入数据(勾选“第一行作为变量名”) 运行 summarize 命令查看均值、标准差等,检查异常值 运行 pwcorr 或 correlate 检验变量间相关性,初步判断关系方向 基准回归分析 采用双向固定效应模型(控制个体固定效应 + 时间固定效应) 若核心解释变量系数显著(如***),说明数字普惠金融对农村收入有显著影响 稳健性与内生性检验 常用方法包括: (1) 替换被解释变量(如用农村人均消费支出替代) (2) 剔除直辖市样本(北京、上海等特殊经济体) (3) 缩短或调整时间窗口(如排除2020–2021疫情年份) 若结果仍显著,则结论稳健 异质性分析(分地区回归) 将样本分为东、中、西部三组 分别进行回归,观察数字普惠金融在不同区域的影响差异 若各区域均显著,说明政策效果具有广泛适用性 #实证分析 #stata #spss #论文 #干货分享
00:00 / 04:27
连播
清屏
智能
倍速
点赞1