局部多项式非参回归是什么？
局部多项式非参回归回答的是在不强加全局线性关系时，Y 随 X 的条件均值曲线长什么样。它用 X 附近的样本估计局部关系，适合探索非线性形状。
先用一句话理解
把局部多项式想成拿一把小尺子沿着曲线一点点量。每到一个 x0，只看附近样本拟合一小段线或曲线，再把很多小段连起来。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 想展示 Y-X 关系形状，尤其怀疑非线性但不想预设函数形式。 |
| 先不要用在 | 需要强因果识别，或 X 附近样本太稀疏。 |
| 最关键的前提 | 带宽选择决定平滑程度，必须透明。 |
| 读表顺序 | 先看带宽和核函数，再看曲线形状、置信带和边界区域。 |
| 论文表述边界 | 非参曲线是描述关系，不自动证明因果。 |
把它和相近方法分清楚
| 容易混淆的对象 | 怎么区分 | 初学者记法 |
|---|---|---|
| 线性回归 | 一条直线描述全样本关系。 | 结构简单。 |
| 多项式回归 | 全局高次项拟合曲线。 | 边界可能不稳。 |
| 局部多项式 | 每个点附近局部拟合。 | 更灵活但依赖带宽。 |
核心直觉和模型公式
局部加权拟合
在点 x0 附近估计局部多项式：
\[\min_{\alpha,\beta_1,\ldots,\beta_p}\sum_i K\left(\frac{X_i-x_0}{h}\right)\left(Y_i-\alpha-\sum_{r=1}^{p}\beta_r(X_i-x_0)^r\right)^2\]
核函数 K 给附近样本更高权重，带宽 h 决定“附近”有多宽。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| x0 | 目标点 | 当前要估计条件均值的位置。 |
| h | 带宽 | 控制局部窗口大小。 |
| K | 核函数 | 根据距离给样本加权。 |
| p | 多项式阶数 | 局部线性、局部二次等。 |
| α | 局部均值估计 | x0 处的拟合值。 |
专业使用口径
专业 lpoly 图要让读者知道曲线是怎么平滑出来的。
| 口径 | 专业写法 |
|---|---|
| 带宽 | 报告主带宽和替代带宽。 |
| 边界 | 样本两端的局部估计更不稳定。 |
| 置信带 | 曲线应有不确定性展示。 |
| 定位 | 作为描述和探索，不替代识别策略。 |
一步一步做：从问题到结果的五步
| 步骤 | 这一页具体做什么 | 做到什么程度才算读懂 |
|---|---|---|
| 1. 画散点 | 先看原始关系。 | 不要只看平滑线。 |
| 2. 选择带宽 | 平衡噪声和平滑。 | 带宽太小抖动，太大抹平。 |
| 3. 估计局部曲线 | 每个 x0 附近加权拟合。 | 曲线来自局部信息。 |
| 4. 加置信带 | 展示不确定性。 | 稀疏区域置信带会变宽。 |
| 5. 做带宽敏感性 | 换 h 看形状是否稳定。 | 形状不稳要保守。 |
结果怎么读：先读口径，再读数字
本页案例读表时，先记住这个口径：低现金流斜率 = 0.0023；门槛/非线性页用分段斜率检查平均效应是否掩盖差异。
| 读表顺序 | 本页怎么读 | 不要这样读 |
|---|---|---|
| 先看散点密度 | 哪些区间样本多。 | 稀疏区曲线不可信。 |
| 再看带宽 | 曲线平滑程度。 | 不同带宽会改变形状。 |
| 然后看曲线 | 是否有非线性或拐点。 | 这是描述性发现。 |
| 最后看置信带 | 哪些区域不确定性大。 | 不要过度解读边界。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 把平滑曲线当因果效应 | 错。它只是条件均值形状。 |
| 不报告带宽 | 不可复核。 |
| 过度解释边界 | 风险高。边界样本少。 |
| 只展示最顺眼的带宽 | 错。需要敏感性。 |
先看这个案例的结论
- 低现金流斜率 = 0.0023；门槛/非线性页用分段斜率检查平均效应是否掩盖差异。
- 高现金流斜率 = 0.0042；两段系数方向和差距是主要读数。
- 行业-年份 peer corr = 0.9088；空间/同群效应用行业年份均值做教学代理。
- 这些数字来自页面里的结果表；写论文时先解释数值含义，再讨论理论含义。
变量要求和案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | lpoly_results.csv |
| 角色要求 | 因变量、核心解释变量 |
| 依赖包 | 无额外 Stata 社区包要求 |
实际代码
下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。
import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year
global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0
lpoly $y $x, degree(1) kernel(epanechnikov) generate(xgrid yhat)
export delimited using "$JOB_DIR/lpoly_results.csv", replace实际输出表
这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。
| 指标 | 数值 | 解释 |
|---|---|---|
| 样本 | 1200 obs / 196 firms / 2015-2020 | 来自共用案例 CSV |
| 因变量 | ln(1 + patent_count) | 企业创新产出 |
| 核心解释变量 | dfi_index | 数字普惠金融指数 |
| 输出文件 | lpoly_results.csv | empirical-wizard 对应方法产物 |
| 低现金流斜率 | 0.0023 | 门槛/非线性页用分段斜率检查平均效应是否掩盖差异 |
| 高现金流斜率 | 0.0042 | 两段系数方向和差距是主要读数 |
| 行业-年份 peer corr | 0.9088 | 空间/同群效应用行业年份均值做教学代理 |
| 组间差距 | 0.0019 | 局部多项式非参回归 页不应只复述 OLS 平均系数 |
案例图
这是一张由同一份案例数据生成的页面内诊断图。
论文里怎么写
本文在共用企业面板样本上报告局部多项式非参回归，核心输出见 lpoly_results.csv。结果解释时同时关注样本口径、变量构造、系数方向、标准误和适用前提，避免只凭单个 p 值完成方法选择。
检查清单
- 先明确 running 或连续解释变量，局部多项式只解释局部关系。
- 带宽和核函数会影响曲线形状，图形结论要做带宽敏感性。
- 不要把平滑图上的视觉趋势直接写成因果效应。