stata第五講 山大陳波.ppt

stata第五講 山大陳波.ppt

ID:55797480

大小:233.50 KB

頁數(shù):48頁

時間:2020-06-07

stata第五講 山大陳波.ppt_第1頁
stata第五講 山大陳波.ppt_第2頁
stata第五講 山大陳波.ppt_第3頁
stata第五講 山大陳波.ppt_第4頁
stata第五講 山大陳波.ppt_第5頁
資源描述:

《stata第五講 山大陳波.ppt》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、Stata上機(jī)實驗工具變量(IV)什么情況下需要工具變量?1。遺漏變量2。變量內(nèi)生性問題3。測量誤差使用這種方法的困難之處在于工具變量的“搜尋”,而不是在技術(shù)方面。工具變量選擇的要求:1。相關(guān)性:工具變量與內(nèi)生解釋變量高度相關(guān),即Cov(xt,pt)≠0。2。外生性:工具變量與擾動項不相關(guān),即Cov(xt,ut)=0。使用工具變量有兩種方法:二階段最小二乘法(2SLS)和廣義矩估計法(GMM)。二階段最小二乘法:2SLS主要思想:進(jìn)行兩階段回歸。假設(shè)方程為:y=b1x1+b2x2+u其中x1是外生

2、變量,x2是內(nèi)生變量,找到兩個變量z1和z2,作為x2的工具變量。第一階段回歸:regx2x1z1z2x2結(jié)合了z1和z2的信息,此時取出x2的擬合值x2_hat。第二階段回歸:regyx1x2_hat廣義矩估計法:GMM基本思想:求解如下一般化目標(biāo)函數(shù),使之最小化J(b_GMM)=ng(b_GMM)'Wg(b_GMM)其中,W為權(quán)重矩陣在球型擾動項的假定下,2SLS是最有效的。但如果擾動項存在異方差或自相關(guān),則廣義矩估計方法效果更好。GMM方法又分為兩步GMM法和迭代GMM方法。使用grilic

3、.dta估計教育投資的回報率。變量說明:lw80(80年工資對數(shù)),s80(80年時受教育年限),expr80(80年時工齡),tenure80(80年時在現(xiàn)單位工作年限),iq(智商),med(母親的教育年限),kww(在‘knowledgeoftheWorldofWork’測試中的成績),mrt(婚姻虛擬變量,已婚=1),age(年齡)。建立方程:usegrilic.dta,clearreglw80s80expr80tenure80對方程進(jìn)行分析:1。遺漏變量問題:認(rèn)為方程遺漏了“能力”這個變

4、量,加入iq(智商)作為“能力”的代理變量。2。測量誤差問題:iq(智商)對“能力”的測量存在誤差。3。變量內(nèi)生性問題:s80可能與擾動項中除“能力”以外的其他因素相關(guān),因此是內(nèi)生變量。解決方法:使用med,kww,mrt,age作為內(nèi)生解釋變量iq與s80的工具變量。1。使用2SLS。ivregress2slslw80expr80tenure80(s80iq=medkwwmrtage),first2。使用兩步GMM。ivregressgmmlw80expr80tenure80(s80iq=med

5、kwwmrtage)3。使用迭代GMM。ivregressgmmlw80expr80tenure80(s80iq=medkwwmrtage),igmm幾點注意事項:1。2SLS只能通過stata完成,利用定義手動計算的結(jié)果是錯誤的,因為殘差序列是錯誤的。2。不可能單獨為每個內(nèi)生變量指定一組特定的工具變量,所有外生變變量都作為自己的工具變量。3。在大樣本下,IV估計是一致的,但在小樣本下,IV估計并非無偏估計量,有些情況下偏誤可能很嚴(yán)重。弱工具變量檢驗工具變量Z與X的相關(guān)性較低時,2SLS估計量存在

6、偏誤,Z稱為“弱工具變量”。檢驗方法:estatfirststage1。初步判斷可以用偏R2(partialR2)(剔除掉模型中原有外生變量的影響)。2。Minimumeigenvaluestatistic(最小特征值統(tǒng)計量),經(jīng)驗上此數(shù)應(yīng)該大于10。ivregress2slslw80expr80tenure80(s80iq=medkwwmrtage),firstestatfirststage過度識別檢驗檢驗工具變量是否與干擾項相關(guān),即工具變量是否為外生變量。目前僅限于在過度識別的情況下,進(jìn)行過度

7、識別檢驗。2SLS根據(jù)Sargan統(tǒng)計量進(jìn)行過度識別檢驗,GMM使用HansenJTest進(jìn)行過度識別檢驗。命令均為:estatoverid檢驗工具變量的外生性H0:所有工具變量都是外生的。H1:至少有一個工具變量不是外生的,與擾動項相關(guān)。ivregress2slslw80expr80tenure80(s80iq=medkwwmrtage),firstestatoveridivregressgmmlw80expr80tenure80(s80iq=medkwwmrtage)estatoverid究竟

8、該用OLS還是IV即解釋變量是否真的存在內(nèi)生性?假設(shè)能夠找到方程外的工具變量。1。如果所有解釋變量都是外生變量,則OLS比IV更有效。在這種情況下使用IV,雖然估計量仍然是一致的,會增大估計量的方差。2。如果存在內(nèi)生解釋變量,則OLS是不一致的,而IV是一致的。豪斯曼檢驗(Hausmanspecificationtest)原假設(shè):H0:所有解釋變量均為外生變量。H1:至少有一個解釋變量為內(nèi)生變量。quietlyreglw80s80expr80tenure80iqeststoreol

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。