本站分享:AI、大数据、数据分析师培训认证考试,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训

stata 内生性检验及工具变量_stata 弱工具变量检验

stata培训 cdadata 38343℃

stata 内生性检验及工具变量

关键词:stata 弱工具变量检验,stata 工具变量检验,stata变量相关性检验,stata 单变量检验,stata工具变量,stata 工具变量回归

我想问一下面板数据中如何检验内生性?也是用Hausman检验么?那出现负值究竟是说明存在内生性还是不存在,因为我发现对于这个问题好像是有分歧的。还有是不是用固定效应模型(fe)就可以解决面板中内生性问题?还是说也要用工具变量回归,具体的命令是什么呢?问题有点多,还请高手指教,谢谢!

最佳答案:

1、如何检验内生性?
可以使用Hausman检验
2、出现负值究竟是说明存在内生性还是不存在
出现负值很可能是不满足Hausman检验的基本假定
论坛中连老师好像用Monte Carlo模拟研究认为负值可以看作是拒绝原假设(不敢确定我是否记错,请再查)
3、是不是用固定效应模型(fe)就可以解决面板中内生性问题?
不是,
4、面板数据中的工具变量回归命令
re模型:xtivreg    ,re
fe模型:xtivreg    ,fe
fd模型:xtivreg    ,fd
be模型:xtivreg    ,be


那么用xtivreg估计的时候,需要自己寻找工具变量么?还是stata会自动生成?
比如我的方程是:
xtreg overreturn  DC DE DNA DI DD LC L DNF JL LCDC LDC JLDC,fe
然后我怀疑JL变量存在内生性,那么我下面写IV估计的时候,是要把这个变量换成我找的工具变量,还是直接不写这一项,变成:
xtivreg overreturn  DC DE DNA DI DD LC L DNF LCDC LDC JLDC,fe
与JL变量有关的交叉项 JLDC用不用去掉呢?


若JLDC是JL与DC的交叉项,JL的工具变量为IVJL,则命令如下:
gen IVJLDC=IVJL*DC
xtivreg overreturn  DC DE DNA DI DD LC L DNF LCDC LDC (JL JLDC=IVJL IVJLDC),fe


那就是说具体选用什么工具变量还是要自己选的,不能直接生成的是么?
我还见到说可以用GMM方法消除内生性,而且不用自己想用什么工具变量,是这样么?请再指教一下


工具变量都是要根据实际问题来选择的
工具变量必须与内生变量相关而与误差项不相关!


你好,我刚刚开始学stata做论文,看你是高手呀,我想问下你问题,怎么用面板数据做内生性检验啊,什么命令呢?还有就是我回归的系数有两项的符号和我想的不一样是应该换变量吗?能否帮助我一下呢?


1. thausman检验
xtreg y x,fe
est store fe
xtreg y x,re
est store re
hausman fe re

2.样本量较小时系数估计结果受工具变量的影响,此时应首先考虑工具变量选择问题
大样本下时应考虑你的模型设定问题


弱弱地问一句,上面的这个豪斯曼检验不是识别固定效应和随机效应的么?可以用来判断内生性?


实质是一样的,例如:当一模型为固定效应,若采用了随机效应估计,此时随机效应模型中的复合误差项因个体效应与解释变量相关而使得复合误差与解释变量相关,此时就是模型存在内生性。


您好,我是stata新手,想用stata做内生性检验,看到您的命令,我想问问您怎么看检验结果?这个豪斯曼检验我看是可以检验固定效应和随机效应模型的,那么在检验内生性时使用的豪斯曼检验和前者有什么不同么?Eviews里的豪斯曼检验可以用么?很感谢您能解答!


1. 我想问问您怎么看检验结果?
p<a时拒绝原假设,即fe估计优于re估计,iv估计(或gmm估计)优于ols估计,否则是re估计或ols估计较优。
2. 在检验内生性时使用的豪斯曼检验和前者有什么不同么?
实质是一样的,差别是一个是比较fe估计和re估计哪一个较优,另一个是比较iv估计与ols估计哪个较好。
3. Eviews里的豪斯曼检验可以用么?


请问1.在选择JL和JLDC作为内生变量时,stata是怎么进行处理的?是自动选择一个滞后期还是怎么?2.如果再加入一些其他可能遗漏的外部指标,怎么处理?3.如果选择多个内生变量是否需要做一个F检验


在面板数据模型中复合误差V=U+E,其中U为不可观测的个体效应U,E为特异性误差。
1、当解释变量与U相关,与E不相关时,对于复合误差V来说,解释变量为内生变量,理论上可采用工具变量法进行处理,然而在实际应用中很难找到合适的工具变量与U不相关,因此此时采用固定效应估计来得更方便。
2、当解释变量与U相关,也与E相关时,不管是对于复合误差V、U还是E来说,解释变量都是内生变量,理论上可采用工具变量法进行处理,但在实际应用中要找到同时与U和E不相关的工具变量就更困难了,因此可采用固定效应的工具变量法(需找到与E不相关的工具变量)。
3、当解释变量与U不相关,与E相关时,对于复合误差V来说,解释变量同样是内生变量,此时须采用随机效应工具变量法进行处理(需找到与E不相关的工具变量)。
4、当解释变量与U不相关,同时也与E不相关时,此时可直接采用混合最小二乘法即可。

对于你的问题:用固定效应法估计会因完全共线性而删除一个变量,那又如何可以进行huasman检验呢?huasman检验(官方程序)要求固定效应和随机效应的变量是相同的。要不就是你用自己的程序对其中个别变量作huasman检验。请见上面,自已选择合适方法!

转载请注明:数据分析 » stata 内生性检验及工具变量_stata 弱工具变量检验

喜欢 (11)or分享 (0)