关于数据自然对数话和hlm前提假设的一些疑问

蛋羹

罗老师，您好！有疑问来向您请教了。发现两个个问题：
5 {) A8 S  }# ~, I3 |  n. z! d1.我知道做hlm的时候需要对其适用的前提假设作出一些检验。
首先，HLM 在使用前需要判断数据是否违反随机误差独立性假设，是否有必要进行多层分析。其次，HLM 还假设残差εij、μ0j和μ1j都满足均值为0，方差各为σ2、τ00和τ11的正态分布，并且层1 残差εij还具有同质性( 温福星，2009; 温福星，邱皓政，2011; 廖卉，庄瑷嘉，2012) 。——我国近十年来心理学研究中HLM 方法的应用述评 方杰1 邱皓政2，3 张敏强＊＊2 方路4
7 C# V6 B  C; l) {, O/ l我对roa和eps零模型分析，roa和eps组间效应不能被忽略，可以进行多层分析；方差齐性也得到满足。但是在残差正态性与自相关上却得到不到通过。请教一下罗老师有什么办法可以解决？
2.上一回离异数的问题，您建议我对因变量数据：roa和eps做一下自然对数化处理，我照做了一下，我数据中的roa和eps存在负值，也就是企业当年的roa和eps在减少，在excel使用自然对数函数就会产生错误值。我就产生一个疑问，面对这样的数据可以进行自然对数化处理么？我查了一下资料，有建议正数就用ln（x），负数就用-ln（-x）。
. ]) G5 t2 b5 a0 C2 f0 I9 ]来自: 人大经济论坛 计量经济学与统计软件版
$ q" |! _7 d) p$ O6 w3 d6 ~) Q或者If the r is very small,You can take log(1+r).
本文来自: 人大经济论坛 计量经济学与统计软件版
想请老师您提些建议。

Kenneth

对不起，我不熟宏观的文献。其实，你只要做 google scholar， 在abstract 中有看到 log 这个字的文章，看看你就可以了。
另外，我说的是正态分布的问题不一定很严重。关于自相关，你就有很多不同的方法处理了。宏观好像一般用 two-stage-least-square, WLS 等方法（不过我不太熟悉）。微观一般用多层次分析来解决的。

蛋羹

Kenneth 发表于 2014-8-14 23:16
1. 你说的是回归分析的假设。我的理解是。一般回归对 violation of assumption 的包容度都很高。除非是极端 ...

/ G4 {* P' D* @; F# F+ Z% c另外罗老师可以给我推荐一下宏观方面关于变量对数化处理的一些文献吗？我想仔细研读一下好对一些变量进行处理。非常感谢罗老师的指点

蛋羹

罗老师，感谢您的解答。您的意思就是说假如没有出现极端情况，正态性和自相关性没有得到满足，回归的结果也是可以得到认可的是么？我查阅过很多文献，没有对方差齐性和自相关问题进行汇报，但是统计学上又把这些作为重点内容。因而引发上面疑问。

Kenneth

1. 你说的是回归分析的假设。我的理解是。一般回归对 violation of assumption 的包容度都很高。除非是极端问题，否则影响不大。
4 c$ _2 A1 B9 D
2. 我只是见到很多宏观研究会这样做。我是做微观研究的，没有这个问题。不敢乱说。