如何在R中构建logit回归模型检验投资机构签署可持续倡议的动因

1. 模型适配选择 #

你当前使用的是机构-年度短面板数据，被解释变量signatory为标准二元变量，根据你的研究目标优先选择以下模型：

• 若要同时利用时间维度和个体维度的信息，优先选择面板随机效应logit模型，先通过豪斯曼检验判断是否需要改用固定效应模型；注意面板固定效应logit会自动删除始终未签署/始终已签署的机构样本，你的样本中这类观测占比较高，使用固定效应会产生较大的样本损失，无特殊需求不建议使用。
• 若仅关注机构的最终签署决策，可将面板数据折叠为横截面数据（每家机构保留1条观测，被解释变量定义为「该机构是否在观测期内签署过倡议」），直接使用横截面二元logit回归，对国家、地区这类不随时间变化的解释变量的检验结果更稳健。

2. 变量处理规则 #

• 核心解释变量：国家、地区、投资策略均为分类变量，需转换为虚拟变量纳入回归，注意提前设置参照组（比如地区可选样本量最大的欧洲为参照，投资策略可选占比最高的品类为参照），避免多重共线性问题。
• 控制变量：你现有数据中的activity可直接作为控制变量纳入，建议补充机构层面（管理规模、成立年限）、国家层面（所在国可持续金融政策得分、ESG市场渗透率）的控制变量，降低遗漏变量偏误。
• 被解释变量：你现有signatory的0-1编码符合要求，无需额外调整，确认签署行为是「一旦签署后状态保持为1」即可。

3. 操作与结果解读要点 #

• 常用代码参考：
  如果你用Stata做面板随机效应logit，代码为xtlogit signatory i.region i.strategy activity i.year, re vce(cluster investor)，标准误聚类到机构层面；做横截面logit的代码为logit signatory i.region i.strategy activity, vce(robust)。
  如果你用R做面板随机效应logit，可调用lme4包，代码为glmer(signatory ~ (1|investor) + region + strategy + activity + factor(year), family = binomial(link = "logit"))。
• 结果汇报建议不要直接报原始系数，优先汇报优势比（Odds Ratio, OR）：OR值大于1说明该变量对签署决策有正向影响，小于1为负向影响，比如某地区的OR值为2.2，说明控制其他变量后，该地区机构的签署概率是参照组地区的2.2倍，结合p值判断显著性即可。
• 稳健性检验可以换用probit模型重跑核心回归，也可以剔除成立不满3年的机构、头部10%规模的机构后重跑，验证核心变量的影响方向和显著性是否稳定。

4. 研究拓展建议 #

• 可补充异质性检验：按投资策略、机构规模分组回归，看地区、国家的影响在不同特征的机构中是否存在差异，丰富研究结论。
• 缓解内生性问题：可将核心解释变量全部滞后1-2期后再回归，排除反向因果的干扰。

内容的提问来源于stack exchange，提问作者R Wd