固定效应和逐步回归的区别?

固定效应是回归分析中处理面板数据的方法，通过控制个体或时间不变的特征来消除遗漏变量偏差。逐步回归则是通过自动选择变量来构建最优模型，逐步添加或删除显著变量以提高预测精度。

区别

固定效应：主要解决数据中的内生性问题，适用于追踪同一对象随时间变化的情况。它将每个个体的独特特征作为虚拟变量纳入模型，确保结果不受未观测因素的影响。这种方法强调个体差异的稳定性，适合长期研究，比如分析不同公司10年间的利润变化，控制公司文化等不变因素。

逐步回归：聚焦变量筛选，通过统计指标（如AIC或p值）自动选择对结果影响最大的变量。它适合探索性分析，帮助从众多变量中找出关键预测因子。例如，研究房价影响因素时，逐步回归能自动筛选出地段、面积等核心变量，忽略次要因素，简化模型。