如题所述
解释变量内生性检验首先检验解释变量内生性。Hausman检验的原假设为所有解释变量均为外生变量。如果拒绝原假设,则认为存在内生解释变量,需要使用工具变量法(IV)。反之,如果接受原假设,则认为不存在内生解释变量,应该使用普通最小二乘法(OLS)。在面板数据中使用工具变量时,Stata提供了xtivreg命令。如果存在内生解释变量,则应该选用工具变量,工具变量个数不少于方程中内生解释变量的个数。2SLS的实质是把内生解释变量分成两部分,从而满足OLS前定变量的要求而得到一致估计量。
异方差与自相关检验在球型扰动项的假定下,2SLS是最有效的。但如果扰动项存在异方差或自相关,可以使用xtgls和xtserial命令进行面板异方差检验和面板自相关检验。在这种情况下,GMM是一种更有效的方法,可以从某种意义上看作是2SLS的改进版。GMM的过度识别检验可以帮助我们判断工具变量是否与扰动项相关。
工具变量效果验证时,需要检验工具变量的有效性和外生性。如果工具变量与解释变量相关,但又不能与被解释变量的扰动项相关,则可以作为有效的工具变量。常用的工具变量包括滞后变量。在Stata中,可以使用estat first命令检验工具变量的有效性,使用estat overid命令进行过度识别检验。
GMM过程在Stata中可以通过安装ivreg2和ranktest程序来进行。具体命令如下:使用ivreg2命令进行面板GMM估计,其中2s指的是2-step GMM。
异方差与自相关检验在球型扰动项的假定下,2SLS是最有效的。但如果扰动项存在异方差或自相关,可以使用xtgls和xtserial命令进行面板异方差检验和面板自相关检验。在这种情况下,GMM是一种更有效的方法,可以从某种意义上看作是2SLS的改进版。GMM的过度识别检验可以帮助我们判断工具变量是否与扰动项相关。
工具变量效果验证时,需要检验工具变量的有效性和外生性。如果工具变量与解释变量相关,但又不能与被解释变量的扰动项相关,则可以作为有效的工具变量。常用的工具变量包括滞后变量。在Stata中,可以使用estat first命令检验工具变量的有效性,使用estat overid命令进行过度识别检验。
GMM过程在Stata中可以通过安装ivreg2和ranktest程序来进行。具体命令如下:使用ivreg2命令进行面板GMM估计,其中2s指的是2-step GMM。
温馨提示:答案为网友推荐,仅供参考