全部版块 我的主页
论坛 计量经济学与统计论坛 五区 计量经济学与统计软件 Stata专版
2256 4
2022-12-26
内生性检验、弱工具变量检验都还行,就是过度识别检验出错了,想问问大佬是不是我的2sls命令写错了 xi:ivregress 2sls mmx_lncarbon $cv (mmx_digital=mmx_iv3 mmx_iv4 ) i.ind i.year,vce(cluster code)

estat endog

  Tests of endogeneity
  Ho: variables are exogenous

  Robust regression F(1,1571)     =  3.08115  (p = 0.0794)
    (Adjusted for 1572 clusters in code)

estat overid

  Test of overidentifying restrictions:
  robust tests of overidentifying restrictions after 2SLS
  estimation not available with cluster-robust standard errors
r(498);


estat firststage, all forcenonrobust

  First-stage regression summary statistics
  --------------------------------------------------------------------------
               |            Adjusted      Partial       Robust
      Variable |   R-sq.       R-sq.        R-sq.     F(2,1571)   Prob > F
  -------------+------------------------------------------------------------
   mmx_digital |  0.1646      0.1635       0.0172       48.6105    0.0000
  --------------------------------------------------------------------------
  (F statistic adjusted for 1572 clusters in code)


  Shea's partial R-squared
  --------------------------------------------------
               |     Shea's             Shea's
      Variable |  Partial R-sq.   Adj. Partial R-sq.
  -------------+------------------------------------
   mmx_digital |     0.0172             0.0159
  --------------------------------------------------


  Minimum eigenvalue statistic = 137.207     

  Critical Values                      # of endogenous regressors:    1
  Ho: Instruments are weak             # of excluded instruments:     2
  ---------------------------------------------------------------------
                                     |    5%     10%     20%     30%
  2SLS relative bias                 |         (not available)
  -----------------------------------+---------------------------------
                                     |   10%     15%     20%     25%
  2SLS Size of nominal 5% Wald test  |  19.93   11.59    8.75    7.25
  LIML Size of nominal 5% Wald test  |   8.68    5.33    4.42    3.92
  ---------------------------------------------------------------------



二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2023-7-26 16:02:40
您好,请问您的问题解决了吗
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2023-11-15 19:54:17
您好,请问您解决了吗
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2024-5-23 22:34:34
请问您解决了吗?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2024-7-30 16:15:51
在你的命令中使用`vce(cluster code)`选项来处理集群标准误,这确实是正确的做法以控制某些类型的异质性或相关性。但是,正如你所看到的错误消息所示,当使用cluster-robust标准误差时,Stata中的`estat overid`命令无法执行过度识别检验(Sargan/Hansen J test)。

这是因为Sargan和Hansen J tests在假设独立且同质方差(iid)的扰动项下工作得最好。Cluster robust SEs破坏了iid假定,因此这些检验不适用或不可靠。

如果你确实需要进行过度识别检验,可能有几种方法可以尝试:

1. **尝试没有cluster robust标准误差**:这将允许你运行Sargan测试,但它对扰动项的异质性和相关性的假设更为严格。
   
   ```stata
   xi:ivregress 2sls mmx_lncarbon $cv (mmx_digital=mmx_iv3 mmx_iv4 ) i.ind i.year, vce(unclustered)
   ```

2. **使用其他估计方法**:你可以考虑使用GMM(广义矩估计)估计,这允许你同时指定工具变量和集群标准误差。`xtabond`命令在面板数据中尤其有用。

3. **手动计算过度识别检验**:尽管这更复杂一些,并且可能需要对你的模型有更深的理解才能正确地执行,但你可以尝试自己构造Sargan或Hansen J test统计量。
   
记住,所有这些方法都有自己的假设和限制。理想情况下,你可能会选择几种方法并比较结果的稳健性。

希望以上信息对你有所帮助!如果有其他问题,请随时提问。

此文本由CAIE学术大模型生成,添加下方二维码,优先体验功能试用



二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群