工具變量估計(jì)

命令格式：
.ivregress esitimator depvar [varlist1] [varlist2=varlist_iv] [if] [in] [weight][,options]
其中，estimator包括2sls,gmm,liml三種。varlist1為模型中的外生變量，varlist2為模型中的內(nèi)生變量，varlist_iv為模型中的工具變量。

Nonconstant  不包括常數(shù)項(xiàng)
Hascons  用戶自己設(shè)定常數(shù)項(xiàng)
CMM 選項(xiàng)：
  wmatrix(wmtype)  robust,cluster clustvar,hac kernel, unadjusted
  center  權(quán)數(shù)矩陣采用中心矩
  igmm 采用迭代GMM估計(jì)
  eps(#) 參數(shù)收斂標(biāo)準(zhǔn)。默認(rèn)值為eps（le-6）
  weps(#)  權(quán)數(shù)矩陣的收斂標(biāo)準(zhǔn)。默認(rèn)值為w eps(le-6)
Vce(vcetype) unajusted,robust,cluster clustvar,bootstrap,jackknife,hac kernel
level(#)置信區(qū)間
First 輸出第一階段的估計(jì)結(jié)果
Small 小樣本下的自由度調(diào)整

.estat firststage [,all forcenonrobust]

        該命令給出第一階段的估計(jì)結(jié)果以及各種統(tǒng)計(jì)量，包括排除外生變量的相關(guān)性檢驗(yàn)。All選項(xiàng)給出所有的擬合優(yōu)度統(tǒng)計(jì)量。如果模型存在多個內(nèi)生變量，則stata給出R2、偏R2、調(diào)整的R2 、F統(tǒng)計(jì)量；如果模型存在多個內(nèi)生變量，則stata給出Shea偏R2和調(diào)整的偏R2。
       forcenonrobust給出最小特征值統(tǒng)計(jì)量及其臨界值，即使采用穩(wěn)健估計(jì)（這一檢驗(yàn)的假設(shè)條件是誤差項(xiàng)為獨(dú)立正態(tài)分布）。

estat overid[,lag(#) forceweights forcenonrobust]
該命令給出了過度識別約束檢驗(yàn)。如果使用2sls估計(jì)估計(jì)，則Stata給Sargan’s(1958)和Basman’s(1960)卡方統(tǒng)計(jì)量，這也是Wooldridge’(1995）穩(wěn)健得分檢驗(yàn)。 如果采用liml估計(jì)方法，則stata給出Anderson and Rubin’s(1950) 卡方統(tǒng)計(jì)量以及Basmann F統(tǒng)計(jì)量；如果采用GMM估計(jì)，則stata給出hansen’s(1982)J統(tǒng)計(jì)量。Lags(#)用于計(jì)算得分檢驗(yàn)的HAC（異方差自相關(guān)一致）統(tǒng)計(jì)量的過程中進(jìn)行去噪時設(shè)定滯后階數(shù)。如果設(shè)定lag(0),則表示不進(jìn)行去噪處理。默認(rèn)選擇為lag(1)。這一選擇僅使用于2sls估計(jì)方法和設(shè)定vce(hac)選項(xiàng)情況。

Forceweight    表示即使采用aweights,pweights或iweights也進(jìn)行檢驗(yàn)。Stata僅對于fweights的情況進(jìn)行檢驗(yàn)，其他權(quán)數(shù)所得到臨界值可能不準(zhǔn)確。

Forcenonrobust  指在2sls或LIML估計(jì)中即使采用穩(wěn)健標(biāo)準(zhǔn)差也進(jìn)行Sargan and Basmann檢驗(yàn)（這一檢驗(yàn)的假設(shè)的假設(shè)條件是誤差項(xiàng)為獨(dú)立正態(tài)分布）。

例子：

log(wage)=a+b*educ+c*exper+d*expersq+u

懷疑模型教育（educ）具有內(nèi)生性問題，利用父母接受教育的年數(shù)（fatheduc,motheduc）作educ的工具變量估計(jì)上述模型。
（1）利用2SLS估計(jì)模型
.ivregress 2sls lwage exper expersq (educ=fatheduc motheduc),first

第一階段回歸結(jié)果為：
  educhat=9.1+0.19fatheduc+0.16motheduc+0.05exper
              (21.34)      (5.62)       (4.39)       (1.12)
         - 0.001expersq
             (-0.84)
第二階段的估計(jì)結(jié)果為：
 lwagehat=0.05+0.06educ+0.04exper-0.001expersq
              (0.12)     (1.95)      (5.29)       (-2.24)

（2）檢驗(yàn)educ的內(nèi)生性
.quietly  ivreg  iwage exper expersq {educ=fatheduc motheduc}
.est store IV_reg
.quietly regress lwage exper expersq educ
.est store LS_reg
.hausman IV_reg LS_reg
可以得到hausman估計(jì)量=2.7，P值=0.44。接受原假設(shè)，即educ是外生的。

(3)進(jìn)行過度識別的約束檢驗(yàn)
.estat overid 
可得Sargan統(tǒng)計(jì)量=0.38，P值=0.54接受原假設(shè)。

歡迎分享轉(zhuǎn)發(fā)朋友圈

更多stata學(xué)習(xí)資料