《关于stata.pdf》由会员分享,可在线阅读,更多相关《关于stata.pdf(2页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、广义矩估计(Generalized Method of Moments,即 GMM)一、解释变量内生性检验首先检验解释变量内生性(解释变量内生性的Hausman 检验:使用工具变量法的前提是存在内生解释变量。Hausman 检验的原假设为:所有解释变量均为外生变量,如果拒绝,则认为存在内生解释变量,要用 IV;反之,如果接受,则认为不存在内生解释变量,应该使用 OLS。reg ldi lofdiestimates store olsxtivreg ldi(lofdi=l.lofdi ldep lexr)estimates store ivhausman iv ols(在面板数据中使用工具变量,
2、Stata 提供了如下命令来执行 2SLS:xtivreg depvar varlist1(varlist_2=varlist_iv)(选择项可以为 fe,re 等,表示固定效应、随机效应等。详见 help xtivreg)如果存在内生解释变量,则应该选用工具变量,工具变量个数不少于方程中内生解释变量的个数。“恰好识别”时用 2SLS。2SLS 的实质是把内生解释变量分成两部分,即由工具变量所造成的外生的变动部分,以及与扰动项相关的其他部分;然后,把被解释变量对中的这个外生部分进行回归,从而满足OLS 前定变量的要求而得到一致估计量。tptqtp二、异方差与自相关检验在球型扰动项的假定下,2S
3、LS 是最有效的。但如果扰动项存在异方差或自相关,面板异方差检验:xtgls enc invs exp imp esc mrl,igls panel(het)estimates store heteroxtgls enc invs exp imp esc mrl,iglsestimates store homolocal df=e(N_g)-1lrtest hetero homo,df(df)面板自相关:xtserial enc invs exp imp esc mrl则存在一种更有效的方法,即 GMM。从某种意义上,GMM 之于 2SLS 正如 GLS 之于 OLS。好识别的情况下,GMM
4、还原为普通的工具变量法;过度识别时传统的矩估计法行不通,只有这时才有必要使用 GMM,过度识别检验(Overidentification Test或 J Test):estat overid三、工具变量效果验证工具变量:工具变量要求与内生解释变量相关,但又不能与被解释变量的扰动项相关。由于这两个要求常常是矛盾的,故在实践上寻找合适的工具变量常常很困难,需要相当的想象力与创作性。常用滞后变量。需要做的检验:检验工具变量的有效性:(1)检验工具变量与解释变量的相关性如果工具变量 z 与内生解释变量完全不相关,则无法使用工具变量法;如果与仅仅微弱地相关,。这种工具变量被称为“弱工具变量”(weak
5、instruments)后果就象样本容量过小。检验弱工具变量的一个经验规则是,如果在第一阶段回归中,F 统计量大于 10,则可不必担心弱工具变量问题。Stata 命令:estat first(显示第一个阶段回归中的统计量)(2)检验工具变量的外生性(接受原假设好)在恰好识别的情况下,无法检验工具变量是否与扰动项相关。在过度识别(工具变量个数 内生变量个数)的情况下,则可进行过度识别检验(Overidentification Test),检验原假设所有工具变量都是外生的。如果拒绝该原假设,则认为至少某个变量不是外生的,即与扰动项相关。0HSargan 统计量,Stata 命令:estat overid四、GMM 过程在 Stata 输入以下命令,就可以进行对面板数据的GMM 估计。.ssc install ivreg2(安装程序 ivreg2).ssc install ranktest(安装另外一个在运行 ivreg2 时需要用到的辅助程序ranktest).use traffic.dta(打开面板数据).xtset panelvar timevar(设置面板变量及时间变量).ivreg2 y x1(x2=z1 z2),gmm2sGMM 估计,其中 2s 指的是 2-step GMM)(进行面板
限制150内