chap08stata与模型修正分析.ppt

（2）GMM法 此方法在Stata中的命令语句如下，就是将内生性处理命令语句基本格式estimator进行了具体化，所以基本结构和含义是相同的： ivregress gmm y [varlist 1] (varlist2=instlist) [if] [in] [weight] [, options] 此命令语句中gmm表示此种内生性处理语句是gmm方法，varlist1仍然表示不存在内生性的解释变量，varlist2 = varlist_iv表示模型中存在内生性的变量和解释其的工具变量，if表示回归的条件，in表示回归的范围，weight表示回归中加入的权重，options内容与表8.9中的选项是一致的。 本实验中在命令窗口中输入如下命令： ivregress gmm lw80 expr80 tenure80 (iq s80 = med kww mrt age) 此命令表示使用GMM法对模型进行估计，使用med,kww,mrt,age作为iq和s80的工具变量。 此结果图的解读方法是与2SLS得到的结果图是同样的，可以从结果图中看到工具变量和内生解释变量。然后得到模型的估计结果如下，只有s80与tenure80的系数估计在10%的置信度下未通过t检验，lw80=3.998+0.0186iq+0.0411s80+0.0269expr80+0.0045tenure80 （3）迭代GMM法 迭代GMM法在Stata中的命令语句是： ivregress gmm y [varlist 1] (varlist2=instlist) [if] [in] [weight],igmm 此命令语句就是在GMM估计的基础上将options中的igmm具体化出来，所以此命令的解释仍然是：varlist1仍然表示不存在内生性的解释变量，varlist2 = varlist_iv表示模型中存在内生性的变量和解释其的工具变量，if表示回归的条件，in表示模型回归的范围，weight表示回归中加入的权重，igmm表示迭代gmm估计法。 本实验中，在命令窗口中输入如下命令可以得到估计结果： ivregress gmm lw80 expr80 tenure80 (iq s80 = med kww mrt age),igmm 此命令表示使用迭代GMM法对模型进行估计，使用med,kww,mrt,age作为iq和s80的工具变量。 估计结果图显示迭代GMM法解决内生性的迭代过程，最终的结果图与2SLS解读法仍是相同的，最终得到解决了原模型存在内生性后的估计模型如下：lw80=3.995+0.0186iq+0.041s80+0.0269expr80+0.00446tenure80(s80与tenure80的系数估计值未通过t检验) 5、内生性的检验 前面已经解读了Stata中对内生性问题的处理，有时候仅从意义上观察不能确定内生性是否存在时，可以用以下方法检验模型是否存在内生性问题。 （1）豪斯曼检验 在Stata中的命令语句为： hausman name-consistent [name-efficient] [,options] hausman语句表示豪斯曼检验，其中语句中 name-consistent是指一致估计量变量名，name-efficient是指有效估计量变量名；这两个变量的顺序是不能改变的，对于这两个估计量的估计在下面中会详细介绍。options内容如下表所示： 豪斯曼检验在检验一个模型是否存在内生性时的具体操作下面进行介绍。 reg y x1 x2 estimates store ols 这两个命令在对模型进行回归之后，存储OLS的估计结果为估计的有效估计量。 ivregress 2sls y x1 (x2=z1 z2) 假设怀疑x2为内生解释变量，找到x2的工具变量进行2sls回归估计。 estimates store iv 此命令存储2SLS估计的的结果为估计的一致估计量。 hausman iv ols[,options] 此命令是根据以上的存储结果进行豪斯曼检验，然后根据得到的结果图进行判断。 常用检验语句是hausman iv ols，constant sigmamore 本实验中，打开数据文件后，根据上面豪斯曼检验的操作步骤在命令窗口中输入如下命令： reg lw80 s80 expr80 tenure80 estimates store ols ivregress 2sls lw80 expr80 tenure80 (s80 iq=med kww mrt age) estimates store iv hausman iv ols,constant sigmamore 从结果图可以看到豪斯曼