原标题：面板工具变量法学习手册(固定效应与随机效应方法、过度识别检验、预测等)

转载请联系

一．简介

虽然面板数据能够有效处理不随时间而变的个体特征，但如果回归模型包含“内生( endogenousregressors)变量，则需要使用面板工具变量法。实际操作通常可分为两步，即首先对模型进行变换以解决遗漏变量问题(比如，使用固定效应模型FE或一阶差分法然后对变换后的模型使用“二段最小二乘法”(2SLS)

考虑模型：

二．操作应用

面板工具变量法命令为xtivreg

基本命令如下

xtivreg depvar [varlist_1] (varlist_2 = varlist_iv) [if] [in] [,options]

GLS random-effects (RE) model

xtivreg depvar [varlist_1] (varlist_2 = varlist_iv) [if] [in] [, re RE_options]

Between-effects (BE) model

xtivreg depvar [varlist_1] (varlist_2 = varlist_iv) [if] [in] , be [BE_options]

Fixed-effects (FE) model

xtivreg depvar [varlist_1] (varlist_2 = varlist_iv) [if] [in] , fe [FE_options]

First-differenced (FD) estimator

xtivreg depvar [varlist_1] (varlist_2 = varlist_iv) [if] [in] , fd [FD_options]

其中， depvar代表被解释变量的名称， varlist I代表外生解释变量的名称， varlist2代表内生解释变量，varlist iv代表工具变量名称，if代表条件语句，in代表范围语句，option代表选项。

statistic代表对面板模型进行估计的方法，包括re＝随机效应模型(默认方法)、be＝组间法、fe＝固定效应模型、fd一阶差分法

其他主要的 options选项。

Regress假定变量varlist_2为外生，忽略对工具变量 varlist_iv的设定

Vce(vcetype)设定标准差的类型，包括 conventional、 bootstrap和 jackknife

level设定置信度，默认为 leve(l95)

first输出2SLS第一阶段的回归结果

small汇报小样本的t统计量和F统计量，而非Z和x2统计量

操作应用案例1

use nlswork

固定效应估计

xtivreg ln_w age c.age#c.age not_smsa (tenure = union south), fe

随机效应GLS模型

xtivreg ln_w age c.age#c.age not_smsa 2.race (tenure = union birth south), re

操作应用案例2

use abdata

First-differenced estimator一阶差分法

xtivreg n l2.n l(0/1).w l(0/2).(k ys) yr1981-yr1984 (l.n = l3.n), fd

操作应用案例3

use labordemand.dta, clear

xtivreg n L2.n L(0/1).(w k ys) (L.n=L3.n),fd

使用差分法进行工具变量法操作，结果为：

工具变量有效性检验，需要下载安装xtoverid,

命令为：

xtoverid [, robust cluster(varlist) ]

面板工具变量法预测

对面板工具变量模型进行预测的基本命令为

predict (type) newar [if)(in)[, statistic]

其中，type代表新变量的类型， newar代表生成的新变量的名称，if代表条件语句，in代表范围语句， statistic代表可用的統计量。在前面的差分法面板工具变量模型之后，我们可以输入命令进行预测：

predict yp

use labordemand.dta, clear

xtivreg n L2.n L(0/1).(w k ys) (L.n=L3.n),fd

predict yp

这样，我们就得到线性预测值，在这里即一阶差分的预测值。并且，预测的变量被命名yp。

责任编辑：