本篇文章給大家分享的是有關(guān)如何使用2SLS進(jìn)行ivreg2估計(jì)及其檢驗(yàn)，小編覺得挺實(shí)用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

創(chuàng)新互聯(lián)網(wǎng)站建設(shè)公司一直秉承“誠信做人，踏實(shí)做事”的原則，不欺瞞客戶，是我們最起碼的底線！ 以服務(wù)為基礎(chǔ)，以質(zhì)量求生存，以技術(shù)求發(fā)展，成交一個(gè)客戶多一個(gè)朋友！專注中小微企業(yè)官網(wǎng)定制，做網(wǎng)站、成都網(wǎng)站設(shè)計(jì)，塑造企業(yè)網(wǎng)絡(luò)形象打造互聯(lián)網(wǎng)企業(yè)效應(yīng)。

作為OLS回歸不符合假定的問題，還包括解釋變量與隨機(jī)擾動(dòng)項(xiàng)不相關(guān)。如果出現(xiàn)了違反該假設(shè)的問題，就需要找一個(gè)和解釋變量高度相關(guān)的、同時(shí)和隨機(jī)擾動(dòng)項(xiàng)不相關(guān)的變量，作為工具變量進(jìn)行回歸。工具變量通常采用二階段最小二乘法（2SLS）進(jìn)行回歸，當(dāng)隨機(jī)擾動(dòng)項(xiàng)存在異方差或自相關(guān)的問題，2SLS就不是有效率的，就需要用GMM等方法進(jìn)行估計(jì)，除此之外還需要對工具變量的弱工具性和內(nèi)生性進(jìn)行檢驗(yàn)。

以stata自帶的auto.dta數(shù)據(jù)為例，在stata輸入如下命令，即可得到：

sysuse auto

數(shù)據(jù)展示如下：

數(shù)據(jù)為美國 1978 年汽車數(shù)據(jù)，包括產(chǎn)地、車名、行使里程、重量等變量

構(gòu)造如下工具變量結(jié)構(gòu)方程：

該方程中內(nèi)生變量為turn，工具變量為weight、length、headroom；

首先使用ivreg2進(jìn)行2SLS的估計(jì)：

ivreg2 mpg gear_ratio  (turn=weight length headroom)

得到：

結(jié)果可以看到，turn變量的估計(jì)系數(shù)為-1.246426，z檢驗(yàn)值為-6.33，p值為0.000，小于0.05，說明turn系數(shù)顯著，且與mpg呈現(xiàn)負(fù)相關(guān)。

Underidentification test，方程的不可識別檢驗(yàn)，得到LM統(tǒng)計(jì)值為26.822，p值=0.000，小于0.05，強(qiáng)烈拒絕“不可識別”的原假設(shè)。

Hansen J statistic的過度識別檢驗(yàn)，得到卡方統(tǒng)計(jì)值為0.548，p值為0.7601，大于0.05，說明接受“過度擬合”的原假設(shè)；

Weak identification test弱工具變量檢驗(yàn)，得到得到Wald-F統(tǒng)計(jì)值為30.303，KP Wald-F統(tǒng)計(jì)值為42.063，大于所有臨界值，說明拒絕“弱工具變量”的原假設(shè)，即方程不存在弱工具變量。

對方程進(jìn)行過度內(nèi)生性檢驗(yàn)：

ivreg2 mpg gear_ratio  (turn=weight length headroom)estimates store ivregress mpg gear_ratio  turn weight length headroomestimates store olshausman iv ols, constant sigmamore

Hausman檢驗(yàn)得到統(tǒng)計(jì)值為-0.97，無法拒絕“所有解釋變量均為外生”的原假設(shè)，說明方程存在內(nèi)生性。

以上就是如何使用2SLS進(jìn)行ivreg2估計(jì)及其檢驗(yàn)，小編相信有部分知識點(diǎn)可能是我們?nèi)粘９ぷ鲿姷交蛴玫降摹ＯＭ隳芡ㄟ^這篇文章學(xué)到更多知識。更多詳情敬請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

網(wǎng)頁名稱：如何使用2SLS進(jìn)行ivreg2估計(jì)及其檢驗(yàn)
當(dāng)前URL：http://chinadenli.net/article10/jgcigo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供用戶體驗(yàn)、微信小程序、自適應(yīng)網(wǎng)站、品牌網(wǎng)站建設(shè)、App設(shè)計(jì)、微信公眾號

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)