工具变量法的Stata命令及实例解析.docxVIP

可编辑 可编辑 工具变量法的Stata命令及实例 本实例使用数据集“ grilic.dta ”。 先看一下数据集的统计特征： .sum Variable Ops Mea n Std. Dev. Min Max rns 758 2691293 .4438001 0 1 rn s80 75, 3 .292876 .4553825 0 1 mrt 758 5145119 .5001194 0 1 mrt80 75 3 .8984169 .3022988 0 1 smsa 75 8 .7044855 .456575 0 1 smsa80 7 58 .7124011 .452942 0 1 med 75, 8 10.91029 2.74112 0 18 iq 758 1 103.8562 13.61867 54 145 kww 75, 8 36.57388 7.302247 12 56 year 758 69.03166 2.631794 66 73 age 758 21.83509 2.981756 16 30 age80 75 8 33.01187 3.085504 28 38 s 758 1 13.40501 2.231828 9 18 s80 758 13.70712 2.214693 9 18 expr 758 1.735429 2.105542 0 11.444 expr80 75 8 11.39426 4.210745 .692 22.045 ten ure 75 3 1.831135 1.67363 0 10 tenu re80 7 58 7.362797 5.05024 0 22 lw 758 1 5.686739 . 4289494 4.605 7.051 lw80 758 1 6.826555 .4099268 4.749 8.032 考察智商与受教育年限的相关关系: .corr iq s (obs=758) iq s iq 1.0000 s 0.5131 1.0000 上表显示，智商（在一定程度上可以视为能力的代理变量）与 受教育年限具有强烈的正相关关系（相关系数为 0.51 ）。 作为一个参考系，先进行 OLS回归，并使用稳健标准差： .reg Iw s expr tenure rns smsa,rLin ear regressi onNumber of obs =F(5, 752) = 84.05Prob F = 0.0000R-squared = 0.3521Root MSE = obustIw Coef. Std. Err.t P|t| [95% Conf. Interval]s .102643 .0062099 16.53 0.000 .0904523 .1148338exprtenure.0381189.0356*46.006614476 0.0004.45 0.000.025134 .0511038.0199118 .0513173rns -.0840797 .reg Iw s expr tenure rns smsa,r Lin ear regressi on Number of obs = F(5, 752) = 84.05 Prob F = 0.0000 R-squared = 0.3521 Root MSE = .34641 758 Robust Iw Coef. Std. Err. t P|t| [95% Conf. Interval] s .102643 .0062099 16.53 0.000 .0904523 .1148338 exprtenure .0381189 .0356*46 .0066144 .0079988 5.76 0.000 4.45 0.000 .025134 .0511038 .0199118 .0513173 rns -.0840797 .029533 -2.85 0.005 -.1420566 -.0261029 smsa .1396666 .028056 4.98 0.000 .0845893 .194744 cons 4.103675 .0876665 46.81 0.000 3.931575 4.275775 其中expr, tenure, rns, smsa 均为控制变量，而我们主要感兴 趣的是变量受教育年限（s）。 回归的结果显示，教育投资的年回报率为 10.26%，这个似乎 太高了。可能的原因是，由于遗漏变量“能力与受教育正相 关，故“能力”对工资的贡献也被纳入教育的贡献，因此高估 了教育的回报率。 引入智商iq作为能力的代理变量，再进行 OLS回归： .reg Iw s iq expr tenur