模型诊断
- 如果出现共线性，考虑重新选择变量；
- 如果出现heteroscedasticity, 对系数标准误计算，使用robust inference的方法
- 如果核心变量与因变量的关系呈非线性，考虑使用高阶方程或者log转换
- 残差非正太分布，样本量足够大的话，造成的影响并不大；
- 样本是Cluster sampling，样本个体不独立，对系数标准误的计算时，考虑使用cluster inference;
- R2不能过小，比如低于0.05，一般小的话，倒不是太大的问题；
如何验证结果的稳健性
- 变换核心解释变量与被解释变量
- 增减控制变量
- 变换样本
- 分组回归检验异质性
- 安慰剂检验
- 验证机制
- 排除竞争性假说
为什么结果不符合预期？
- 测量误差
- 样本误差
- 数据处理误差
- 模型误差
- confounder bias
- collider bias
- over-control bias
- bias amplification
- case-control bias
为什么结果不符合预期？
- 其它可能
- 干预措施是否统一？
- 个体是否独立（spillover)
- 因变量的变异情况？
- missing values