加入年份、国家、行业固定效应后回归系数符号反转原因问询

系数符号反转的可能原因如下： #

• 模型设定不一致：第一行回归代码末尾加了,fe参数指定使用个体固定效应估计，第二行回归代码未加任何估计选项，Stata中xtreg命令默认使用随机效应（RE）进行估计，两种估计方法的假设前提完全不同，系数结果存在差异属于常见情况，可先给第二行回归补充,fe参数重新估计，确认符号是否仍然反转。
• 遗漏变量偏误得到校正：未控制三类固定效应时，模型遗漏了年份、国家、行业层面的不可观测混淆因素，这些因素同时与核心解释变量esg_score_w和被解释变量price_outliers正相关，导致原始估计的正向系数存在向上偏差。比如ESG评分更高的企业普遍集中在估值泡沫更高的热门行业，或者监管政策鼓励ESG发展的年份全市场ESG评分和股价异常值同步走高，控制固定效应后剥离了这部分混淆因素的影响，得到的负向系数才是更符合一致性要求的估计结果。
• 核心变量有效变异被过度吸收：个体固定效应本身已经吸收了所有不随时间变化的企业特征（包括企业固定所属的国家、行业分类），如果国家、行业变量不随时间变化，额外加入i.country、i.ec_sector不会改变估计结果；但如果样本中存在企业变更国籍、转型调整行业的情况，三类高维固定效应叠加会过滤掉esg_score_w的大部分组间变异，仅剩下企业短期ESG波动的组内变异用于估计，而ESG的短期调整通常伴随业务调整、合规成本上升等负向冲击，会拉低股价异常值，最终导致系数符号反转。
• 共同时间趋势被剥离：如果样本期内ESG评分整体呈现逐年上升的趋势，同时同期市场整体估值泡沫也逐年提升，未控制年份固定效应时，esg_score_w的正向系数实际上包含了两者共同时间趋势的影响，加入i.year控制年份固定效应后剥离了共同趋势的干扰，就会显示出ESG对股价异常值的真实负向影响，比如高ESG企业信息披露更完善，被市场炒作出现异常高价的概率更低。
• 样本异质性影响：不同国家、行业的ESG估值溢价水平存在显著差异，比如发达国家、新兴行业的ESG估值溢价更高，未控制国家、行业固定效应时，核心变量的系数混合了不同组群的异质性影响，控制固定效应后相当于在同国家、同行业的组内进行估计，如果样本内同组内ESG和股价异常值刚好呈现负相关关系，就会出现符号反转。

内容的提问来源于stack exchange，提问作者Rita Santos