stata第五讲 山大陈波.ppt

stata第五讲 山大陈波.ppt

ID:55797480

大小:233.50 KB

页数:48页

时间:2020-06-07

stata第五讲 山大陈波.ppt_第1页
stata第五讲 山大陈波.ppt_第2页
stata第五讲 山大陈波.ppt_第3页
stata第五讲 山大陈波.ppt_第4页
stata第五讲 山大陈波.ppt_第5页
资源描述:

《stata第五讲 山大陈波.ppt》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、Stata上机实验工具变量(IV)什么情况下需要工具变量?1。遗漏变量2。变量内生性问题3。测量误差使用这种方法的困难之处在于工具变量的“搜寻”,而不是在技术方面。工具变量选择的要求:1。相关性:工具变量与内生解释变量高度相关,即Cov(xt,pt)≠0。2。外生性:工具变量与扰动项不相关,即Cov(xt,ut)=0。使用工具变量有两种方法:二阶段最小二乘法(2SLS)和广义矩估计法(GMM)。二阶段最小二乘法:2SLS主要思想:进行两阶段回归。假设方程为:y=b1x1+b2x2+u其中x1是外生

2、变量,x2是内生变量,找到两个变量z1和z2,作为x2的工具变量。第一阶段回归:regx2x1z1z2x2结合了z1和z2的信息,此时取出x2的拟合值x2_hat。第二阶段回归:regyx1x2_hat广义矩估计法:GMM基本思想:求解如下一般化目标函数,使之最小化J(b_GMM)=ng(b_GMM)'Wg(b_GMM)其中,W为权重矩阵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,则广义矩估计方法效果更好。GMM方法又分为两步GMM法和迭代GMM方法。使用grilic

3、.dta估计教育投资的回报率。变量说明:lw80(80年工资对数),s80(80年时受教育年限),expr80(80年时工龄),tenure80(80年时在现单位工作年限),iq(智商),med(母亲的教育年限),kww(在‘knowledgeoftheWorldofWork’测试中的成绩),mrt(婚姻虚拟变量,已婚=1),age(年龄)。建立方程:usegrilic.dta,clearreglw80s80expr80tenure80对方程进行分析:1。遗漏变量问题:认为方程遗漏了“能力”这个变

4、量,加入iq(智商)作为“能力”的代理变量。2。测量误差问题:iq(智商)对“能力”的测量存在误差。3。变量内生性问题:s80可能与扰动项中除“能力”以外的其他因素相关,因此是内生变量。解决方法:使用med,kww,mrt,age作为内生解释变量iq与s80的工具变量。1。使用2SLS。ivregress2slslw80expr80tenure80(s80iq=medkwwmrtage),first2。使用两步GMM。ivregressgmmlw80expr80tenure80(s80iq=med

5、kwwmrtage)3。使用迭代GMM。ivregressgmmlw80expr80tenure80(s80iq=medkwwmrtage),igmm几点注意事项:1。2SLS只能通过stata完成,利用定义手动计算的结果是错误的,因为残差序列是错误的。2。不可能单独为每个内生变量指定一组特定的工具变量,所有外生变变量都作为自己的工具变量。3。在大样本下,IV估计是一致的,但在小样本下,IV估计并非无偏估计量,有些情况下偏误可能很严重。弱工具变量检验工具变量Z与X的相关性较低时,2SLS估计量存在

6、偏误,Z称为“弱工具变量”。检验方法:estatfirststage1。初步判断可以用偏R2(partialR2)(剔除掉模型中原有外生变量的影响)。2。Minimumeigenvaluestatistic(最小特征值统计量),经验上此数应该大于10。ivregress2slslw80expr80tenure80(s80iq=medkwwmrtage),firstestatfirststage过度识别检验检验工具变量是否与干扰项相关,即工具变量是否为外生变量。目前仅限于在过度识别的情况下,进行过度

7、识别检验。2SLS根据Sargan统计量进行过度识别检验,GMM使用HansenJTest进行过度识别检验。命令均为:estatoverid检验工具变量的外生性H0:所有工具变量都是外生的。H1:至少有一个工具变量不是外生的,与扰动项相关。ivregress2slslw80expr80tenure80(s80iq=medkwwmrtage),firstestatoveridivregressgmmlw80expr80tenure80(s80iq=medkwwmrtage)estatoverid究竟

8、该用OLS还是IV即解释变量是否真的存在内生性?假设能够找到方程外的工具变量。1。如果所有解释变量都是外生变量,则OLS比IV更有效。在这种情况下使用IV,虽然估计量仍然是一致的,会增大估计量的方差。2。如果存在内生解释变量,则OLS是不一致的,而IV是一致的。豪斯曼检验(Hausmanspecificationtest)原假设:H0:所有解释变量均为外生变量。H1:至少有一个解释变量为内生变量。quietlyreglw80s80expr80tenure80iqeststoreol

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。