工具变量法的Stata命令和实例-(17689)

《工具变量法的Stata命令和实例-(17689)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工具变量法的Stata命令及实例本实例使用数据集“grilic.dta”。先看一下数据集的统计特征：.sumVariableObsMeanStd.Dev.MinMaxrns758.2691293.443800101rns80758.292876.455382501mrt758.5145119.500119401mrt80758.8984169.302298801smsa758.7044855.45657501smsa80758.7124011.45294201med75810.910292.74112018iq758103.8562

2、13.6186754145kww75836.573887.3022471256year75869.031662.6317946673age75821.835092.9817561630age8075833.011873.0855042838s75813.405012.231828918s8075813.707122.214693918expr7581.7354292.105542011.444expr8075811.394264.210745.69222.045tenure7581.8311351.67363010tenure807

3、587.3627975.05024022lw7585.686739.42894944.6057.051lw807586.826555.40992684.7498.032考察智商与受教育年限的相关关系：.corriqs(obs=758)iqsiq1.0000s0.51311.0000上表显示.智商（在一定程度上可以视为能力的代理变量）与受教育年限具有强烈的正相关关系（相关系数为0.51）。作为一个参考系.先进行OLS回归.并使用稳健标准差：...reglwsexprtenurernssmsa,rLinearregressionNumb

4、erofobs=758F(5,752)=84.05Prob>F=0.0000R-squared=0.3521RootMSE=.34641RobustlwCoef.Std.Err.tP>

5、t

6、[95%Conf.Interval]s.102643.006209916.530.000.0904523.1148338expr.0381189.00661445.760.000.025134.0511038tenure.0356146.00799884.450.000.0199118.0513173rns-.0840797.029533-2.8

7、50.005-.1420566-.0261029smsa.1396666.0280564.980.000.0845893.194744_cons4.103675.087666546.810.0003.9315754.275775.其中expr,tenure,rns,smsa均为控制变量.而我们主要感兴趣的是变量受教育年限（s）。回归的结果显示.教育投资的年回报率为10.26%.这个似乎太高了。可能的原因是.由于遗漏变量“能力”与受教育正相关.故“能力”对工资的贡献也被纳入教育的贡献.因此高估了教育的回报率。引入智商iq作为能力的代理

8、变量.再进行OLS回归：...reglwsiqexprtenurernssmsa,rLinearregressionNumberofobs=758F(6,751)=71.89Prob>F=0.0000R-squared=0.3600RootMSE=.34454RobustlwCoef.Std.Err.tP>

9、t

10、[95%Conf.Interval]s.0927874.006976313.300.000.0790921.1064826iq.0032792.00113212.900.004.0010567.0055016expr.039

11、3443.00666035.910.000.0262692.0524193tenure.034209.00789574.330.000.0187088.0497092rns-.0745325.0299772-2.490.013-.1333815-.0156834smsa.1367369.02777124.920.000.0822186.1912553_cons3.895172.115928633.600.0003.6675894.122754虽然教育的投资回报率有所下降.但是依然很高。由于用iq作为能力的代理变量有测量误差.故iq是

12、内生变量.考虑使用变量（med（母亲的受教育年限）、kww（在“knowledgeoftheWorldofWork”中的成绩）、mrt（婚姻虚拟变量.已婚=1）age（年龄））作为iq的工具变量.进行2SLS回归.并使用稳健的标准差：