本站分享:AI、大数据、数据分析师培训认证考试,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训

用STATA做GMM指令_stata gmm_系统gmm stata 命令

stata培训 cdadata 30176℃

用STATA做GMM指令

关键词:stata gmm系统gmm stata 命令

有哪位知道GMM的指令不,stata盲刚学用这个软件不会,做论文时要用GMM来回归。还想请教的是用GMM时一定是方程里存在滞后项才可以用GMM分析吗,怎么知道变量是不是内生性问题啊???烦请告知呀~


解答:现行单方程可以使用ivregress gmm,非线性和多方程的使用gmm

追问:这个我知道,但是我不清楚差分GMM和系统GMM的指令分别是什么,我看了王志刚老师的那本书,也没看出差分的和系统指令的区别,里面突然冒出个ys我硬是没看懂是表示什么。。。。


问:同样的纠结,我也在学习GMM,基本操作都会了,但是对于GMM中内生变量、外生变量、前定变量这三个变量的确定比较困惑,之前我也发过贴,但是没人给我解答,楼主要是解决了,告诉我声,谢谢啦

答:内生性本来就很难解决啊 国外的那些都很难解决的 不必纠结在这 当然内生性解决的好说明你很牛逼了


精彩解答:

差分GMM xtabond depvar indpvar
系统GMM xtdpdsys depvar indpvar


时间点比较少时一阶GMM的估计结果可能不是无偏的,系统GMM能更好地解决内生性问题。
可以参考Arellano和Bond在1991和1995年的研究,还有Blundell和Bond1998年的研究


解答:一、解释变量内生性检验
首先检验解释变量内生性(解释变量内生性的Hausman 检验:使用工具变量法的前提是存在内生解释变量。Hausman 检验的原假设为:所有解释变量均为外生变量,如果拒绝,则认为存在内生解释变量,要用IV;反之,如果接受,则认为不存在内生解释变量,应该使用OLS。
reg ldi lofdi
estimates store ols
xtivreg ldi (lofdi=l.lofdi ldep lexr)
estimates store iv
hausman iv ols
(在面板数据中使用工具变量,Stata提供了如下命令来执行2SLS:xtivreg depvar [varlist1] (varlist_2=varlist_iv) (选择项可以为fe,re等,表示固定效应、随机效应等。详见help xtivreg)
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。“恰好识别”时用2SLS。2SLS的实质是把内生解释变量分成两部分,即由工具变量所造成的外生的变动部分,以及与扰动项相关的其他部分;然后,把被解释变量对中的这个外生部分进行回归,从而满足OLS前定变量的要求而得到一致估计量。tptqtp
二、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,
面板异方差检验:
xtgls enc invs exp imp esc mrl,igls panel(het)
estimates store hetero
xtgls enc invs exp imp esc mrl,igls
estimates store homo
local df = e(N_g) – 1
lrtest hetero homo, df(`df’)
面板自相关:xtserial enc invs exp imp esc mrl
则存在一种更有效的方法,即GMM。从某种意义上,GMM之于2SLS正如GLS之于OLS。好识别的情况下,GMM还原为普通的工具变量法;过度识别时传统的矩估计法行不通,只有这时才有必要使用GMM,过度识别检验(Overidentification Test或J Test):estat overid
三、工具变量效果验证
工具变量:工具变量要求与内生解释变量相关,但又不能与被解释变量的扰动项相关。由于这两个要求常常是矛盾的,故在实践上寻找合适的工具变量常常很困难,需要相当的想象力与创作性。常用滞后变量。
需要做的检验:
检验工具变量的有效性:
(1) 检验工具变量与解释变量的相关性
如果工具变量z与内生解释变量完全不相关,则无法使用工具变量法;如果与仅仅微弱地相关,。这种工具变量被称为“弱工具变量”(weak instruments)后果就象样本容量过小。检验弱工具变量的一个经验规则是,如果在第一阶段回归中,F统计量大于10,则可不必担心弱工具变量问题。Stata命令:estat first(显示第一个阶段回归中的统计量)
(2) 检验工具变量的外生性(接受原假设好)
在恰好识别的情况下,无法检验工具变量是否与扰动项相关。在过度识别(工具变量个数>内生变量个数)的情况下,则可进行过度识别检验(Overidentification Test),检验原假设所有工具变量都是外生的。如果拒绝该原假设,则认为至少某个变量不是外生的,即与扰动项相关。0H
Sargan统计量,Stata命令:estat overid
四、GMM过程
在Stata输入以下命令,就可以进行对面板数据的GMM估计。
. ssc install ivreg2 (安装程序ivreg2 )
. ssc install ranktest (安装另外一个在运行ivreg2 时需要用到的辅助程序ranktest)
. use “traffic.dta”(打开面板数据)
. xtset panelvar timevar (设置面板变量及时间变量)
. ivreg2 y x1 (x2=z1 z2),gmm2s (进行面板GMM估计,其中2s指的是2-step GMM)


你好 我想问一下  ivreg2 y x1 (x2=z1 z2),gmm2s (进行面板GMM估计,其中2s指的是2-step GMM)控制地区或时间固定效应了么?与xtireg2 y x1 (x2=z1 z2),fe gmm 区别在哪?谢谢啦

请问一阶GMM和二阶GMM做模型时用哪个啊,困惑中的小白~~

请问这句怎么解读?ivreg2 y x1 (x2=z1 z2),gmm2s (进行面板GMM估计,其中2s指的是2-step GMM)

答:y是因变量,x1 x2 是自变量,其中x2用工具变量z1和z2代理

转载请注明:数据分析 » 用STATA做GMM指令_stata gmm_系统gmm stata 命令

喜欢 (19)or分享 (0)