如题所述
解éåéå
çæ§æ£éªé¦å
æ£éªè§£éåéå
çæ§ï¼è§£éåéå
çæ§çHausmanæ£éªï¼ä½¿ç¨å·¥å
·åéæ³çåææ¯åå¨å
ç解éåéãHausmanæ£éªçåå设为ï¼ææ解éåéå为å¤çåéï¼å¦ææç»ï¼å认为åå¨å
ç解éåéï¼è¦ç¨IVï¼åä¹ï¼å¦ææ¥åï¼å认为ä¸åå¨å
ç解éåéï¼åºè¯¥ä½¿ç¨OLSãregldilofdiestimatesstoreolsxtivregldi(lofdi=l.lofdildeplexr)estimatesstoreivhausmanivolsï¼å¨é¢æ¿æ°æ®ä¸ä½¿ç¨å·¥å
·åéï¼Stataæä¾äºå¦ä¸å½ä»¤æ¥æ§è¡2SLS:xtivregdepvar[varlist1](varlist_2=varlist_iv)ï¼éæ©é¡¹å¯ä»¥ä¸ºfeï¼reçï¼è¡¨ç¤ºåºå®æåºãéæºæåºçã详è§helpxtivregï¼å¦æåå¨å
ç解éåéï¼ååºè¯¥éç¨å·¥å
·åéï¼å·¥å
·åé个æ°ä¸å°äºæ¹ç¨ä¸å
ç解éåéç个æ°ãâæ°å¥½è¯å«âæ¶ç¨2SLSã2SLSçå®è´¨æ¯æå
ç解éåéåæ两é¨åï¼å³ç±å·¥å
·åéæé æçå¤ççåå¨é¨åï¼ä»¥åä¸æ°å¨é¡¹ç¸å
³çå
¶ä»é¨åï¼ç¶åï¼æ被解éåé对ä¸çè¿ä¸ªå¤çé¨åè¿è¡åå½ï¼ä»è满足OLSåå®åéçè¦æ±èå¾å°ä¸è´ä¼°è®¡éãtptqtpäºãå¼æ¹å·®ä¸èªç¸å
³æ£éªå¨çåæ°å¨é¡¹çåå®ä¸ï¼2SLSæ¯æææçãä½å¦ææ°å¨é¡¹åå¨å¼æ¹å·®æèªç¸å
³ï¼é¢æ¿å¼æ¹å·®æ£éªï¼xtglsencinvsexpimpescmrl,iglspanel(het)estimatesstoreheteroxtglsencinvsexpimpescmrl,iglsestimatesstorehomolocaldf=e(N_g)-1lrtestheterohomo,df(`df')é¢æ¿èªç¸å
³ï¼xtserialencinvsexpimpescmrlååå¨ä¸ç§æ´ææçæ¹æ³ï¼å³GMMãä»æç§æä¹ä¸ï¼GMMä¹äº2SLSæ£å¦GLSä¹äºOLSã好è¯å«çæ
åµä¸ï¼GMMè¿å为æ®éçå·¥å
·åéæ³ï¼è¿åº¦è¯å«æ¶ä¼ ç»çç©ä¼°è®¡æ³è¡ä¸éï¼åªæè¿æ¶ææå¿
è¦ä½¿ç¨GMMï¼è¿åº¦è¯å«æ£éªï¼OveridentificationTestæJTestï¼ï¼estatoveridä¸ãå·¥å
·åéææéªè¯å·¥å
·åéï¼å·¥å
·åéè¦æ±ä¸å
ç解éåéç¸å
³ï¼ä½åä¸è½ä¸è¢«è§£éåéçæ°å¨é¡¹ç¸å
³ãç±äºè¿ä¸¤ä¸ªè¦æ±å¸¸å¸¸æ¯çç¾çï¼æ
å¨å®è·µä¸å¯»æ¾åéçå·¥å
·åé常常å¾å°é¾ï¼éè¦ç¸å½çæ³è±¡åä¸åä½æ§ã常ç¨æ»ååéãéè¦åçæ£éªï¼æ£éªå·¥å
·åéçæææ§ï¼ï¼1ï¼æ£éªå·¥å
·åéä¸è§£éåéçç¸å
³æ§å¦æå·¥å
·åézä¸å
ç解éåéå®å
¨ä¸ç¸å
³ï¼åæ æ³ä½¿ç¨å·¥å
·åéæ³ï¼å¦æä¸ä»
ä»
微弱å°ç¸å
³ï¼ãè¿ç§å·¥å
·åé被称为â弱工å
·åéâï¼weakinstrumentsï¼åæå°±è±¡æ ·æ¬å®¹éè¿å°ãæ£éªå¼±å·¥å
·åéçä¸ä¸ªç»éªè§åæ¯ï¼å¦æå¨ç¬¬ä¸é¶æ®µåå½ä¸ï¼Fç»è®¡é大äº10ï¼åå¯ä¸å¿
æ
å¿å¼±å·¥å
·åéé®é¢ãStataå½ä»¤ï¼estatfirstï¼æ¾ç¤ºç¬¬ä¸ä¸ªé¶æ®µåå½ä¸çç»è®¡éï¼ï¼2ï¼æ£éªå·¥å
·åéçå¤çæ§ï¼æ¥ååå设好ï¼å¨æ°å¥½è¯å«çæ
åµä¸ï¼æ æ³æ£éªå·¥å
·åéæ¯å¦ä¸æ°å¨é¡¹ç¸å
³ãå¨è¿åº¦è¯å«ï¼å·¥å
·åé个æ°>å
çåé个æ°ï¼çæ
åµä¸ï¼åå¯è¿è¡è¿åº¦è¯å«æ£éªï¼OveridentificationTestï¼ï¼æ£éªåå设ææå·¥å
·åéé½æ¯å¤ççãå¦ææç»è¯¥åå设ï¼å认为è³å°æ个åéä¸æ¯å¤ççï¼å³ä¸æ°å¨é¡¹ç¸å
³ã0HSarganç»è®¡éï¼Stataå½ä»¤ï¼estatoveridåãGMMè¿ç¨å¨Stataè¾å
¥ä»¥ä¸å½ä»¤ï¼å°±å¯ä»¥è¿è¡å¯¹é¢æ¿æ°æ®çGMM估计ã.sscinstallivreg2ï¼å®è£
ç¨åºivreg2ï¼.sscinstallranktestï¼å®è£
å¦å¤ä¸ä¸ªå¨è¿è¡ivreg2æ¶éè¦ç¨å°çè¾
å©ç¨åºranktestï¼.use"traffic.dta"ï¼æå¼é¢æ¿æ°æ®ï¼.xtsetpanelvartimevarï¼è®¾ç½®é¢æ¿åéåæ¶é´åéï¼.ivreg2yx1(x2=z1z2),gmm2sï¼è¿è¡é¢æ¿GMM估计ï¼å
¶ä¸2sæçæ¯2-stepGMMï¼
温馨提示:答案为网友推荐,仅供参考
第1个回答 2018-07-31
解决, 一般都要借助外部信息。 不同的解决方法适应于不同的外部信息。比如有前面一个时期的数据的时候可以用difference in differences。 当有其他数据或研究可以给出内生性的信息的时候可以用 propensity score calibration. 还有人说regression discontinuity design 可以解决内生性. 但一般最好用用得最多的还是工具变量
不借助外部信息的也就sensitivity analysis 了。如果用sensitivity analysis就随便你自己怎么玩了本回答被网友采纳
不借助外部信息的也就sensitivity analysis 了。如果用sensitivity analysis就随便你自己怎么玩了本回答被网友采纳