overid计算的是Amemiya-Lee-Newey minimum chi-sq statistic统计量。

啊啊啊还有坑！

继续补上：cluster，时间固定效应下，有可能出现过度识别hansen J统计量无法估计出来的情况，直接missing

ivreg2 和 ivreghdfe 中，over identification 检验采用的是sargant 统计量，还有hansen J统计量。这两个的区别在于，当我们使用同方差的设定的时候，sargant 等价于hansen。但是当我们引入异方差稳健的设定，或者允许自相关cluster的时候，就只汇报hansen的统计量了，因为sargant一般只在同方差的设定下是稳健的。

sargant的统计量保存在：e(sargant) e(sargantp)，前者是统计量，后者是p值

hansen的统计量保存在：e(j)， e(jp) 同理，前者是统计量，后者是p值

这个可以在outreg2等输出的过程中直接提取输出。

H0 是所有的工具变量都是外生的，当p值小于临界值的时候，拒绝原假设，证明存在不满足外生性的工具变量。后面就需要使用redundant，或者orthogo的option去看到底是哪个工具变量不满足外生性，给他去掉。


我们这里一直在强调ivreg2，ivreghdfe，但是没有提到陈强老师书中的overid的命令，因为那个命令虽然可以用，但是在outreg中不方便和回归的结果一起输出，所以我没有选择使用overid的命令。


【来了来了，坑来了】
当我们选择cluster的时候，如果同步控制了时间固定效应，无论是通过i.year，还是absorb(year)的方式控制的，此时，如果我们进行cluster，就很可能会出现一个cell中样本量过小的情况，导致估计过程不满秩序，这个时候是没有hansen J 统计量的，那里是missing！！！！！

处理方法只能是去掉时间固定效应，备选的方法是加入时间趋势，比如年龄，或线性的时间趋势等等。这样一般就不会有问题了。

另外，stata自己也给出一种解决方法，就是使用partial（）这个option，来把你认为原来模型中的外生变量放在这个option里面，来让原来的模型满秩，但是我觉得这样的变量不好找，所以我没有使用这种方法。

再补充一下，overid 的命令在工具变量回归后可以直接使用，然后在outreg2中可以直接输出，统计量是Amemiya-Lee-Newey minimum chi-sq statistic 服从卡方分布，当pvalue小于临界值的时候，拒绝原假设，此时说明工具变量并不是都外生。

r(overid)  r(overidp) 分别是统计量和p值的储存位置。

请问输出的代码是什么呢？

检验结果是这个no overidentifying restrictions，请问是什么原因呢？需要您的帮助！！