发布时间：
控制变量最少2个。根据查找相关公开资料显示，控制变量最少需要有两个条件，一个改变一个不变，做两组实验重复三次以上，控制变量形成对照组。
面板数据在时间序列上一般要有30个，有的数据不太好找，稍微少点也可以，但一定不要少于25个。
回归模型中控制变量的数量选择主要依据经济学理论，一般而言，3个控制变量数量过少，可能会存在遗漏变量的问题从而导致回归结果不可靠，建议查询类似研究的论文中控制变量的选取准则。
面板数据，即Panel Data，也叫“平行数据”，是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。或者说他是一个m*n的数据矩阵，记载的是n个时间节点上，m个对象的某一数据指标。
但是,如果从其内在含义上讲,把panel data译为“时间序列—截面数据” 更能揭示这类数据的本质上的特点。也有译作“平行数据”或“TS-CS数据（Time Series - Cross Section）”。
其有时间序列和截面两个维度，当这类数据按两个维度排列时，是排在一个平面上，与只有一个维度的数据排在一条线上有着明显的不同，整个表格像是一个面板,所以把panel data译作“面板数据”。
实证分析经济增长：本文使用地区生产总值，以1999年为基期，根据各地区生产总值指数折算成实际 ，单位：亿元。能源消费：考虑到近年来我国能源消费总量中，煤炭和石油供需存在着明显低估，而电力消费数据相当准确。因此使用电力消费更能准确反映能源消费与经济增长之间的内在联系（林伯强，2003）。所以本文使用各地区电力消费量 作为能源消费量，单位：亿千瓦小时。环境污染：污染物以气休、液体、固体形态存在，本文选取工业废水排放量作为环境污染的量化指标，单位：万吨。
实证论文里的不同假设、模型对应样本量可以不同吗?3 人关注0 条评论写回答查看全部 1 个回答写回答一只特立独行的猪论文1. 实证研究里，不同的假设、模型以及对应的样本量是可以不同的，比如说你研究的是：H1:性别对喜马拉雅付费项目的使用意愿存在差异。这里全样本是720份，其中男生是400份，女生是320份。H2：在女生人群中，年龄对喜马拉雅付费项目的使用意愿呈现负相关。这里的实证样本就可能是300份。就是不同假设的样本量可以是不同的，不同模型对应的样本量也可以是不同的。比如海外投资对创新绩效的影响，模型一可能是某一类企业，模型二可能是另外一类企业，这时候可能要素还是不同，还是具有不同的样本量，重点是这里一定要保证除了一个样本量的大小不同之外，其他的要素是要保证相同的，因为这里重点要使用的就是控制变量法，要保证一个要素不同，其他的都要相同，这样最后的结果才可以具有可信性
1. 实证研究里，不同的假设、模型以及对应的样本量是可以不同的，比如说你研究的是：H1:性别对喜马拉雅付费项目的使用意愿存在差异。这里全样本是720份，其中男生是400份，女生是320份。H2：在女生人群中，年龄对喜马拉雅付费项目的使用意愿呈现负相关。这里的实证样本就可能是300份。就是不同假设的样本量可以是不同的，不同模型对应的样本量也可以是不同的。比如海外投资对创新绩效的影响，模型一可能是某一类企业，模型二可能是另外一类企业，这时候可能要素还是不同，还是具有不同的样本量，重点是这里一定要保证除了一个样本量的大小不同之外，其他的要素是要保证相同的，因为这里重点要使用的就是控制变量法，要保证一个要素不同，其他的都要相同，这样最后的结果才可以具有可信性
200以上。1、论文数据大概需要200以上个数据，一篇论文需要有多少数据取决于这篇论文的性质和水平。2、通常来说，本科毕业论文需要的数据并不太多，一般一章左右正文内容就够了，而硕士论文需要3至4章的内容，至于发表在高水平学术期刊上的论文则需要大量的核心数据以佐证你的论点和结论。
不可以的。本科毕业论文是有质量要求的，内容要充实有深度，仅仅写两个变量是远远不够的，建议你要多写点内容内涵，把毕业论文写好。
当然可以没有①因为控制变量在论文中不是必须的。②研究性文章主要有三个变量，自变量、因变量、控制变量。硕士毕业论文不加控制变量，只研究前两项（自变量和因变量）理论上是没有问题的，毕竟只是毕业论文形式一下的嘛。但是，这个很重要，作为科学的严谨态度，我建议最好加上控制变量，虽然这会让实验增加复杂难度。现实研究中，任何情况下，都不可能考虑到所有可能影响实验结果的变量，一般情况下，我们往往只会关注一两个研究变量。这就留下一个问题：可能存在其他因素会影响到研究结果。为了排除这个因素，使之更加科学，因此建议讲控制变量纳入研究分析。③举个例子：想了解卡路里摄入量如何影响体重。卡路里摄入量是自变量，体重是因变量。研究对象的年龄不同代谢能力也不同，进而可能影响体重的变化。如果不能确定年龄是否会影响体重的研究结果，就无法确定结果的变化是否是由自变量变化引起的，所以，将年龄作为控制变量纳入研究。
今天的我总结几个毕业论文问卷分析的几点建议，希望能帮到各位看官 PS：此处的问卷分析，仅代表具有量表的问卷分析。 因为成熟量表往往经历了现实的考验，其信度和效度达标的概率比较大。 而自己设计的量表，很容易出现信度和效度检验结果惨不忍睹的情况。 这样我们在处理信度分析，探索性因子分析，甚至验证性因子分析的时候，都能游刃有余。 另外如果题目是2个，因子分析KMO值是一定等于0.5的，而一般我们最低也得0.6吧 为了信度和效度能出一个比较好的结果，在文字描述部分，同维度的各个题目，尽量能给一些心理暗示，或者描述上尽量相近，这样能使得维度内的题目的相关性较好，从而信度和效度也不至于太差 一般达到0.6就可以了，0.7以上更好。最好是把每个维度的信度都求一下，然后总体再求一个。这个一般没什么难度，也很容易通过。如果你的数据信度不行，那就进行下项目分析，将高低分样本中不具有区分度的样本删掉。 只求量表的KMO值和巴特利球形检验值。这可能是效度检验的最低要求了。除非导师认同，最好不要仅用这两个值 大部分的同学都会用到的，也是比较不容易通过的一个分析。 遇到最多的问题莫过于，假设题目的维度归属，跟实际出的结果不一致。 碰到这种情况，一般进行如下处理： ①只有少数题目不匹配 要么直接删掉，要么暂时保留 ②绝大多数题目不匹配 从新设计量表，重新收集数据，重新来过吧 若非特殊情况，不建议使用。因为实际收集的问卷数据要想探索性因子分析+验证性因子分析，各个指标均达到理想值，那几乎是不可能的。 如果你看到某某人的论文中用了这样的检验方法，指标非常漂亮，我可以负责任的告诉你，其大概率是改过数据了。 特殊情况1：模型验证阶段，使用AMOS结构方程，导师要求效度检验阶段使用验证性因子分析。 特殊情况2：模型验证阶段，未使用AMOS结构方程，导师也要求效度检验使用验证性因子分析。（导师傻x） 这里特别提一点，显著性的p值代表的是两者是否相关，皮尔逊或者斯皮尔曼系数代表的是相关性程度。 显著性检验通过了，皮尔逊或者斯皮尔曼系数大小才有意义，绝对值越大相关性越大，正负代表正相关与负相关。 显著性通过了，但是系数偏小，那相关性也是显著的，只是两者是存在显著的弱相关性，而不是系数小就代表不相关。 可能是最简单的模型了，将自变量和因变量放进，直接跑就行了。 ①要不要放控制变量 这个随意。 如果放控制变量，尽量放一些层级类的变量，不要放多分类变量。 层级变量比如学历（初中，高中，大学，硕士） 多分类变量比如职业 层级变量的赋值尽量与其题项对应。 如果放了多分类的变量，尽量删掉，如果想保留最好做成虚拟变量 ②用标准系数还是标准化系数 标准化系数。 ③要不要做VIF共线性检验 若非导师要求，那就不做。 ④r方多大算好 这个指标没有非常严格的标准，而且跟导师的价值观有非常深刻的影响。 对于现实收集的数据而言，个人认为，一般大于0.2就好了。 不过我遇到过大于0.1，导师也认为可以接受的情况。 这是一个仁者见仁的问题 从科学的角度来看，应该与你研究的场景有密切的关系。 但是，中介效应模型要比调节效应模型容易出通过，而且解释起来也不那么绕口。 所以，如果不是想给自己挖坑，那就用中介效应模型吧。 快捷验证中介效应模型的方式（快速确定是否存在中介，非正式使用） 条件1，中介变量，自变量和因变量，相关性都显著 条件2，自变量和中介变量关于因变量的回归模型，中介变量的系数显著 如果满足上述两个条件，中介效应一定显著，如果条件2中的自变量也显著，那么就是部分中介效应，如果不显著就是完全中介效应。 另外极少数情况是用sobel来检验中介效应的 如果不是导师要求amos验证中介效应，尽量用spss回归的方式检验中介效应。 快捷验证条件效应模型的方式（快速确定是否有调节效应，非正式使用） 先将调节因子计算处理（标准化后的自变量和中介变量相乘即可） 自变量，调节变量和调节因子关于因变量的回归模型，调节因子的系数显著。 公众号:alone5400
不可以。因为控制变量不用加入到结构方程式中，除非你是将人口变量作为中介或者自变量，你可以将控制变量加入到回归分析中，验证其干扰影响，所以不可以，仅供参考。
控制变量法定义物理学中对于多因素（多变量）的问题，常常采用控制因素（变量）的方法，把多因素的问题变成多个单因素的问题，而只改变其中的某一个因素，从而研究这个因素对事物影响，分别加以研究，最后再综合解决，这种方法叫控制变量法。它是科学探究中的重要思想方法，广泛地运用在各种科学探索和科学实验研究之中。应用理想斜面实验、探究力与运动的关系、探究影响滑动摩擦力大小的因素、探究影响压力的作用效果的因素、探究影响液体压强大小的因素、探究影响浮力大小的因素、探究影响滑轮组的机械效率的因素、探究影响动能大小的因素、探究影响重力势能大小的因素、探究影响导体电阻大小的因素、验证欧姆定律、探究影响电流做功多少的因素、探究影响电流的热效应的因素、探究影响电磁铁磁性强弱的因素举例探究电阻和电流的关系，我们可以保持电压不变，控制电阻的大小，再测出各个电阻值所对应的电流的大小，从而可以得知电阻一定时电流的大小和电阻的大小成反比。
1、对部分被试变量及暂时被试变量的控制方法：被试变量是指外界条件一致的情况下，被试间不同程度的持续性特征。例如年龄、性别、民族、文化及其他较为稳定的个体差异；暂时的被试变量是指非持续性的被试机能状态，例如疲劳、兴奋水平、诱因等等。对这种无关变量的控制一般采用以下方法，包括用指导语控制，主试对被试者的态度应予规范化，双盲实验法，控制被试者的个体差异和实验组、控制组法。2、对环境变量及部分被试变量的控制方法：主要指不作为自变量的环境方面的因素，实验执行中所产生的无关变异因素，及部分被试变量或暂时被试变量因素。控制方法主要包括以下几种：（1）操作控制的方法，主要指主试着的具体操作，排除一些变异因素对所研究问题的影响，有两个方面即无关变量的消除和无关变量的保持恒定；（2）设计控制的方法，即通过实验设计，控制实验结果中可能混进的无关变量效果，包括无关变量效果的平衡（将被试分为两个无关变量相等的组：控制组和实验组），无关变量效果的抵消（令该组内每个被试分别接受两个或两个以上的实验处理，包括完全被试内设计和不完全被试内设计）和随机化法、配对法。（3）统计控制的方法，包括无关变量的纳入和统计控制。
控制变量根据研究目的、运用一定手段（实验仪器、设备等）主动干预或控制自然事物、自然现象发展的过程，在特定的观察条件下探索客观规律的一种研究方法。自然界发生的各种现象往往是错综复杂的，并且被研究对象往往不是孤立的，总是处于与其他事物和现象的相互联系之中，因此影响研究对象的因素在许多情况下并不是单一的，而是多种因素相互交错、共同起作用的。要想精确地把握研究对象的各种特性，弄清事物变化的原因和规律，单靠自然条件下整体观察研究对象是远远不够的，还必须对研究对象施加人为的影响，造成特定的便于观察的条件，这就是控制变量的方法。控制变量的科学方法在物理学的研究中是经常使用的。例如在研究气体的温度、体积、压强这3个状态变量之间的关系时，必须设法把决定气体状态的一个量或两个量用人为的方法控制起来，使它保持不变，然后来比较、研究其他两个变量之间的关系。在进行观察时，首先把研究对象限定为一定质量的气体，然后研究在温度恒定的条件下，它的体积跟压强的关系，得出了玻意耳定律。如果使一定质量气体的体积（或压强）保持不变，研究它的压强跟温度的关系（或体积跟温度的关系），便得出了查理定律了（或盖·吕萨克定律）。这2个定律都是用控制变量的方法得出的描述一定质量的气体的状态量之间的关系的实验定律，为建立理想气体模型、推导理想气体状态方程提供了可靠的实验依据。在研究物体的加速度跟所受的外力和物体质量的关系时，也采用了控制变量的方法。如先研究物体质量不变时，在大小不同的外力作用下，物体的加速度跟外力的关系；再研究在相同大小的外力作用下，物体的加速度跟质量的关系。这就是著名的牛顿第二定律。 比如一位保健品推销员推销产品：第一种说法：“这补脑剂效果可好了，我儿子吃了一个月，学习成绩明显提高了。”；第二种说法：“我们的研究表明，在吃了我们的保健品半年后，学生的记忆力显著提高。”到底哪种说法可信，通过控制变量的方法解决。一般数据会受许多因素的影响，所谓控制变量，指的就是把额外的因素控制住，使它们尽量少地影响数据，从而让人们能集中观察需要研究的因素产生了什么影响。比如，针对这种保健品，科学家不会简单说有效还是无效，而是要进行实验，把年龄、教学方法之类额外的因素影响去除，单独针对保健品来检验。他会选取一个班级，先测试一下孩子的记忆力，然后把孩子随机分成两半，一半服用保健品，一半服用相同量的面粉压成的药片，即安慰剂。三个月或半年半年以后回来再次测试，看看两组的成绩有没有差异。如果实验结束后，学生们的记忆力确实比半年前有所提高，可两组之间没有差异，就知道，这提高并非来自保健品的功效了。这里服用安慰剂就是控制其他影响记忆力的变化因素。 统计学诞生之初，作用之一就是提供各种数据以供参考，但同时弊端也显现，比如控制某些条件，就会得到某些人意愿的结果。将因果和相关混淆事物之间的关系多种多样，统计上关心的两种关系是因果和相关。前者不难理解，比如说缺水导致歉收；后者对大众却有点生疏，它指的是两者有着相同和相异的变化趋势。相同的趋势叫做正相关，比如一组孩子的身高和体重往往是正相关的，身高越高体重相应越重；相异的则是负相关，比如吃高脂肪的食物越多，患血管疾病的几率越大。这些关系并不是因果关系，不能确定其中一个变量的变化导致了另一个变量的变化。很有可能存在另一个变量影响了它们两个。然而，将相关当作因果确实屡见不鲜。某调查显示，常去网吧和学习成绩低下呈高度正相关，就是说学生去网吧越频繁，学习成绩越差。这不免让人推论，去网吧使成绩变差，但事实情况可能并不存在这种因果关系，而是厌学情绪或者学习障碍导致了学生成绩差和喜欢去网吧。在这个例子中，去网吧的频率和学习成绩可能都受厌学情绪的影响。学生厌学情绪越强烈，去网吧越频繁，同时学习成绩越差。仅仅把相关的两者看作因果，从而将学习不好完全归因于网吧。而禁止学生去网吧，起到的作用很可能十分有限。一个收费昂贵的训练班宣称，他们的学员在毕业后三年都获得了极高的收入。只要仔细检查一下他们统计的数据，会发现这么事实：这些学员在入学前已有一定的经济基础，正因为如此他们才担负得起高昂的学费，则他们增长的收入很大程度上来自于已有的基础。统计数据的真实性统计时需要样本足够大，尽可能减少随机误差带来的干扰。这个“大”在不同的情况下是很不一样的。如果研究的是一所学校，可能选取一到两个班就可以了。可如果涉及的问题是全国性质的，可能人数就要达到数千、数万甚至更大。样本容量有保证是一方面，另一方面是样本选取不能有偏，就是样本能很好的代表总体。如果人们现在做一个调查，看一看最初恢复高考的三年中几所名牌大学入学学生如今的年收入，会得到很高高数字。其实是调查的缺陷，能够准确联系调查的却只有一部分较为成功的人。其中有一些人却不一定愿意接受调查。最后，还不能排除一些人受赞许倾向的影响，有意无意地提高报告自己的收入水平。最终，调查员只回收了那些成功人士的数据，而沉默的大多数却被“统计式”地忽视了。