stata 工具变量法【计量经济系列(七)】

文章目录

  • 1. 内生性
  • 2. 工具变量
  • 3. 2SLS (二阶段最小二乘法)
  • 4. 弱工具变量
  • 5. 工具变量外生性的过度识别检验
  • 6. 豪斯曼检验
    • 6.1 传统豪斯曼
    • 6.2 杜宾-吴-豪斯曼检验(DWH)

    ʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞ
                 


          


1. 内生性

内生性即解释变量与扰动项相关,这样的情况比比皆是。
内生性的主要来源包括遗漏变量偏差,联立变量偏差,测量误差偏差。

解决内生性的主要方法之一是工具变量法。

内生变量(endogenous variable):是由模型决定的变量。如被解释变量 和 与扰动项存在相关性的解释变量。
外生变量(exogenous variable):由模型以外的因素决定的已知变量。如模型中的参数,以及其他与扰动项不相关的变量。


2. 工具变量

一个有效的工具变量应满足,
①工具变量与内生解释变量1相关。
②工具变量与扰动项不相关。

关于如何获得工具变量
寻找工具变量大致可以分为两步:
①列出与内生解释变量 相关的尽可能多的变量的清单
②从这一清单中剔除与扰动项相关的变量


3. 2SLS (二阶段最小二乘法)

工具变量法一般通过二阶段最小二乘法实现,2SLS
第一阶段使用内生解释变量,对工具变量回归
第二阶段使用解释变量对第一阶段回归的拟合值做回归

阶条件:进行2SLS估计的必要条件是工具变量的个数不少于内生解释变量的个数。这个条件称为“阶条件”。

根据阶条件是否满足可分为以下三种情况:
(1)不可识别(unidentified):工具变量个数小于内生解释变量个数;
(2)恰好识别( just or exactly identified):工具变量个数等于内生解释变量个数;(3)过度识别( overidentified):工具变量个数大于内生解释变量个数。
在恰好识别与过度识别的情况下,都可以使用2SLS;但在不可识别的情况下,则无法使用2SLS。

命令如下

ivregress 2sls y x1 x2 (x3=z1 z2),robust first

其中x1, x2是外生解释变量,x3是内生解释变量,z1,z2则是方程外的 工具变量。

first表示显示第一阶段的回归结果


4. 弱工具变量

如果工具变量与内生解释变量仅微弱相关,则工具变量法估计的方差会很大,估计得就不准确。这样的工具变量被称为弱工具变量。

检验是否存在若工具变量(做完2SLS回归后):

原假设为:存在若工具变量。

estat firststage

对检验结果,使用的是一个经验规则:如果检验结果的F统计量大于10,则可以拒绝原假设,认为不存在弱工具变量。


解决弱工具变量,方法有两种:
①寻找更强的工具变量
② 使用对弱工具变量更不敏感的“有限信息最大似然估计法”(Limited Information Maxi-mum Likelihood Estimation ,LIML)。在大样本下,LIML与2SLS渐近等价,但在弱工具变量的情况下,LIML的小样本性质可能优于2SLS。
LIML命令在格式上与“ivregress 2sls”(二段最小二乘法)完全相同:

ivregress liml y x1 ×2(x3 =z1 z2)

5. 工具变量外生性的过度识别检验

工具变量外生性,即 “工具变量与扰动项不相关” 的性质。
工具变量的外生性是保证2SLS一致性的重要条件。如果所使用的“工具变量”与扰动项相关,则可能导致严重的偏差。

工具变量外生性的过度识别检验的大前提是 该模型是恰好识别检验的,即有效工具变量数等于内生解释变量数。
检验的原假设为:所有的工具变量都是外生的。(即所以的工具变量都与扰动项相关)

estat overid

6. 豪斯曼检验

6.1 传统豪斯曼

使用工具变量法的前提是存在内生解释变量,这也是需要检验的。

由于扰动项不可观测,故无法直接检验解释变量与扰动项的相关性。但如果找到有效的工具变量,则可借助工具变量来检验解释变量的内生性。

reg y x1 x2
estimates store ols
ivregress 2sls y x1 (×2=z1 z2)
estimates store iv
hausman iv ols, constant sigmamore

首先做OLS回归,并把回归结果存储记为ols
再做2SLS回归,并把回归结果记为iv
然后进行豪斯曼检验。

这是传统的豪斯曼检验,其在球形扰动项情况下才最有效率,不适用于异方差的情况。

6.2 杜宾-吴-豪斯曼检验(DWH)

在异方差的情景下,改进过的“杜宾-吴-豪斯曼检验”(DWH)则依然适用:

异方差稳健的DWH检验:

estat endogenous

本次分享就到这里,小啾感谢您的关注与支持!

stata 工具变量法【计量经济系列(七)】相关推荐

  1. Stata:工具变量法(IV)也不难呀!

    原文链接:https://www.lianxh.cn/news/b4c8cc6e6d1ba.html 目录 引言 1. IV 估计法的基本思想 2. IV 估计式 3. 2SLS 3.1 2SLS 原 ...

  2. 工具变量法案例【计量经济系列(八)】

    stata 工具变量法案例[计量经济系列(八)] 文章目录 1.数据集 2. 初步回归,发现内生变量 3. 使用工具变量,2SLS回归 4. 检验外生性,过度识别检验 5. 检验 工具变量与内生变量 ...

  3. 自用:Stata工具变量检验标准

    关于工具变量的运用,以下视频讲解的比较清楚,自己仅记录一点想法 工具变量法IV丨原理.stata命令.例文_哔哩哔哩_bilibili 1.外生性证明 ①如果工具变量个数=内生变量个数,即恰好识别,则 ...

  4. stata 模型设定专题【计量经济系列(六)】(遗漏变量、无关变量、多重共线性、leverage、虚拟变量、线性插值......)

    stata 模型设定专题[计量经济系列(六)] 文章目录 1. 遗漏变量 与 无关变量 1.1 遗漏变量 1.2无关变量 2. 解释变量的权衡标准 3. 检验函数形式 4. 多重共线性 4.1 检验多 ...

  5. stata 异方差专题【计量经济系列(四)】

    stata 异方差专题[计量经济系列(四)] 文章目录 1. 异方差检验方法 2. 散点图法 3. BP检验 4. 怀特检验 5. FWLS 可行权的最小二乘法 6. 小练习     ʚʕ̯•͡˔•̯ ...

  6. Stata常用命令集锦【计量经济系列(一)】

      Stata常用命令集锦[计量经济系列(一)] 文章目录 1.数据集的打开.关闭与保存 1.1 导入Excel数据 1.2 打开dta数据 1.3 关闭数据集 1.4 保存数据 2.stata运算符 ...

  7. 浙江大学【面板数据分析与STATA应用】——第三讲内生性与工具变量法

    解释变量和误差项存在内生性问题 内生性问题来源 内生性问题主要来自于三个方面,分别为:遗漏变量.联立性以及度量误差 遗漏变量 遗漏变量是指可能与解释变量相关的变量,本来应该加以控制,但却没有控制的变量 ...

  8. stata三天写论文!截面工具变量空间计量模型实战

    stata三天写论文!截面工具变量空间计量模型实战

  9. 【初级计量经济学】内生性问题——工具变量法(Stata实现)

    目录​​​​​​​​​​​​​​ 1. 数据来源以及变量详目 1.1变量一览表 1.2数据描述性统计 2. 模型设定以及初步回归​​​​​​​ 2.1 OLS 模型 2.2 回归结果 2.3 回归结果 ...

最新文章

  1. Android Studio3.x上使用Lombok
  2. 审核中负利率加无现金社会 比特币将何去何从?
  3. 62. Leetcode 34. 在排序数组中查找元素的第一个和最后一个位置 (二分查找-局部有序)
  4. 图像处理中的“内插”是什么?插值、图像内插值、图像间插值、重取样(用已知数据来估计未知位置的数值的处理)(最近邻内插法、双线性内插)
  5. Python Django jsonpickle序列化部分字段
  6. 【C++】 C++虚函数表详细分析(上)
  7. [XSY] 选举(线段树优化dp)
  8. C++工作笔记-Windows下查找窗口句柄并让其显示在桌面
  9. CSS3: 动画循环执行(带延迟)的实现
  10. 使用递归方法 删除文件夹及文件夹内文件
  11. onfling滑动界面进行Activity切换
  12. idea配置java和maven_Maven配置,使用IntelliJ IDEA和Maven创建Java Web项目
  13. Python新闻网站项目-7.Django内容后台管理系统管理开发
  14. amos调节变量怎么画_结构方程模型建模思路及Amos操作--调节变量效果确定(二)(还是满满都是骚操作)...
  15. SpringBoot下实现PDF转word(Maven项目)
  16. 1394接口_虽“老”却能战 了解主板旧接口
  17. CentOS 7.6 安装 Sentaurus 2017.09 记录
  18. 圆周率在java中的标识符_java 圆周率。
  19. vob格式的视频怎么无损转换成mp4格式
  20. 用一报还一报(TIT FOR TAT)策略的胜利指导我们的生活和人际交往

热门文章

  1. 2018年重塑科技行业的15个趋势之(1-4)
  2. python电脑上怎么下载-Python下载和安装图文教程[超详细]
  3. 暴力破解zip密码 python
  4. foxmail(二)
  5. 根据生日计算星座 PHP
  6. sklearn中的make_moons函数
  7. linux下静态编译mupdf,在Qt中调用Mupdf库进行pdf显示
  8. 驱动 -- 强制结束进程 -- 整理
  9. Greenplum集群安装配置及最佳实践
  10. 浙江桐庐:真实版的《富春山居图》