IV和GMM相关估计步骤,内生性、异方差性等检验方法.pdfVIP

IV和GMM相关估计步骤，内⽣性、异⽅差性… ⼯具变量和⼴义矩估计相关步骤 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 lof di est imat es st ore ols xt ivreg ldi (lof di l.lof di ldep lexr) est imat es st ore iv hausman iv ols （在⾯板数据 中使⽤⼯具变量 ，St at a提供 了如下命令来执⾏2SLS:xt ivreg depvar [varlist 1] (varlist_2 varlist_iv) （选 择 项 可 以为f e ，re 等 ，表 示 固定 效 应 、随机 效 应 等 。详 ⻅ help xt ivreg） 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。 ⼆、异⽅差与 ⾃相关检验 在球型扰动项的假定下，2SLS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 ： xt gls enc invs exp imp esc mrl,igls panel(het ) est imat es st ore het ero xt gls enc invs exp imp esc mrl,igls est imat es st ore homo local df e(N_g) - 1 lrt est het ero homo, df (`df ) ⾯板 ⾃相关 ：xt serial 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 （Overident ificat ion T est 或J T est ） ：est at 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 inst rument s ）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。St at a命令 ：est at 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 （Overident ificat ion T est ），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。0H Sargan统计量，St at a命令 ：est at overid 四、GMM过程 在St at a输⼊以下命令，就可以进⾏对⾯板数据的GMM估计。 . ssc inst all ivreg2 （安装程序ivreg2 ） . ssc inst all rankt est （安装另外⼀个在运⾏ivreg2 时需要⽤到的辅助程序r