GMM的stata操作步骤

GMM的stata操作步骤广义矩估计（Generalized Method of Moments，即GMM） 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

GMMstata 的操作步骤 Generalized Method of MomentsGMM 广义矩估计（，即）一、解释变量内生性检验首先 Hausman 检验解释变量内生性（解释变量内生性的检验：使用工具变量法的前提是存在内 Hausman 生解释变量。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 IV 存在内生解释变量，要用；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 Stata （在面板数据中使用工具变量，提供了如下命令来执行 2SLS:xtivreg depvar [varlist1] (varlist_2=varlist_iv) fere （选择项可以为，等，表示固定效 help xtivreg 应、随机效应等。详见）如果存在内生解释变量，则应该选用工具变量，工具 “”2SLS2SLS 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。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 OLS 部分；然后，把被解释变量对中的这个外生部分进行回归，从而满足前定变量的要 tp tq tp 求而得到一致估计量。二、异方差与自相关检验在球型扰动项的假定下， 2SLS xtgls enc invs 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： 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 GMM 则存在一种更有效的方法，即。从某种意义上， GMM 2SLS GLS OLSGMM 之于正如之于。好识别的情况下，还原为普通的工具变量 GMM 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，过度识别检验 Overidentification Test JTestestat overid （或）：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 1 滞后变量。需要做的检验：检验工具变量的有效性：（）检验工具变量与解释变量的 z 相关性如果工具变量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 “”weak instruments 微弱地相关，。这种工具变量被称为弱工具变量（）后果就象样本容量 F10 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，统计量大于， Stata estat first 2 则可不必担心弱工具变量问题。命令：（显示第一个阶段回归中的统计量）（） 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 Overidentification Test 验（），检验原假设所有工具变量都是外生的。如果拒绝该原假设， 0H Sargan Stata 则认为至少某个变量不是外生的，即与扰动项相关。统计量，命令： estat overid GMM Stata GMM 四、过程在输入以下命令，就可以进行对面板数据的估计。 .ssc install ivreg2 ivreg2 .ssc install ranktest （安装程序）（安装另外一个在运行 ivreg2 ranktest .use "traffic.dta" .xtset 时需要用到的辅助程序）（打开面板数据） panelvar timevar .ivreg2 yx1 (x2=z1 z2),gmm2s （设置面板变量及时间变量）（进行面 GMM2s 2-step GMM 板估计，其中指的是）