不需要吧。。。我记得有的啊。

*! ivqreg version DowonKwak 1.0.0 28July2010
program define ivqreg, eclass byable(onecall)
        version 10.1

        if _by() {
                local BY `"by `_byvars'`_byrc0':"'
        }
        if replay() {
                if ("`e(cmd)'"!="myprog") error 301

                Replay `0'
                exit
        }
        `BY' Estimate `0'
end

program Estimate, eclass byable(recall) sort

local cmdline `"ivqreg `0'"'

* step 1: parsing
gettoken lhs 0 : 0

gettoken p 0 : 0, parse(" (") quotes
while `"`p'"' != "(" {
        local inexog `"`inexog' `p'"'
        gettoken p 0 : 0, parse(" (") quotes
}

gettoken q 0 : 0, parse(" =") quotes
while `"`q'"' != "=" {
        local endo `"`endo' `q'"'
        gettoken q 0 : 0, parse(" =") quotes
}

gettoken r 0 : 0, parse(" )") quotes
while `"`r'"' != ")" {
        local instr `"`instr' `r'"'
        gettoken r 0 : 0, parse(" )") quotes
}

local allinstr `"`inexog' `instr'"'
local rhs `"`endo' `inexog'"'

* step 2: Syntax

local options "Level(cilevel)"
        syntax [if] [in] [,                ///
        `options'                          ///
         noConstant                        ///
         Quantil(real 0.5)                 ///
         Robust                            ///
         * ]
                if "`constan'"!="" {
                        di in red "nocons invalid"
                        exit 198
                }
                if `quantil' >= 1 {
                        local quant = `quantil'/100
                }
                else    local quant "`quantil'"
                if `quant' <= 0 | `quant' >= 1 {
                        di in red "quantiles(`quantil') out of range"
                        exit 198
                }
       
        /* count what is left over after marking out sample             */
        cap count if `touse'
        local N = r(N)
        if (`N' == 0) error 2000

* Step 3: Initial Two stage quantile regression for construnction of grid
marksample touse
markout `touse' `lhs' `endo' `instr' `inexog' `allinstr' `rhs'

qui regress `endo' `allinstr' if `touse'
predict dhat, xb
local dhat dhat
keep if `touse'

display _newline "Initial Estimation: `quantil'th Two Stage Quantile Regression" _col(60) "Number of obs = " e(N)
qui qreg `lhs' `dhat' `inexog' if `touse', q(`quantil')
predict iner if `touse', resid
matrix btwo=e(b)
scalar bdht=btwo[1,1]
matrix vtwo=e(V)
local vnames `endo' `inexog' _cons
matrix rownames vtwo = `vnames'
matrix colnames vtwo = `vnames'
matrix colnames btwo = `vnames'
ereturn post btwo vtwo, depname(`lhs') obs(`e(N)') esample(`touse')
ereturn display

display _newline in yellow "Grid search is in progress (200)"

marksample touse
markout `touse'
tempname intv nn nz dh_se

mata: ivqr_initial("`lhs'", "`endo'", "`inexog'", "`instr'", "`dhat'", "iner", "`touse'")
drop iner
local nz nz
local nn nn

*set of grid
scal dh_se=sqrt((`nn'/100)*intv[1,1])
scal gll=bdht-2*dh_se
scal size=dh_se/50
matrix gr_alpha=J(200,2,.)
       
forvalues j=1/200 {
matrix gr_alpha[`j',1]=gll+`j'*size
}  

* step 3: Grid search               
forvalues j=1/50 {
        gen yo`j'k=`lhs'-`endo'*gr_alpha[`j',1]
        qui qreg yo`j'k `instr' `inexog' if `touse', q(`quantil')
        matrix b_al`j'l=e(b)
        predict er`j', resid
        display _col(`j') _continue .
}
display _col(52) 50

forvalues j=51/100 {
        gen yo`j'k=`lhs'-`endo'*gr_alpha[`j',1]
        qui qreg yo`j'k `instr' `inexog' if `touse', q(`quantil')
        matrix b_al`j'l=e(b)
        predict er`j', resid
        local k= `j'-50
        display _col(`k') _continue .
}

display _col(52) 100


forvalues j=101/150 {
        gen yo`j'k=`lhs'-`endo'*gr_alpha[`j',1]
        qui qreg yo`j'k `instr' `inexog' if `touse', q(`quantil')
        matrix b_al`j'l=e(b)
        predict er`j', resid
        local k= `j'-100
        display _col(`k') _continue .
}

display _col(52) 150

forvalues j=151/200 {
        gen yo`j'k=`lhs'-`endo'*gr_alpha[`j',1]
        qui qreg yo`j'k `instr' `inexog' if `touse', q(`quantil')
        matrix b_al`j'l=e(b)
        predict er`j', resid
        local k= `j'-150
        display _col(`k') _continue .
}

display _col(52) 200


* step 4: IV quantile regression                
forvalues j=1/200 {
marksample touse
markout `touse'
tempname vq
matrix b_gam=b_al`j'l[1,1..`nz']
mata: ivqr_grid("yo`j'k", "`endo'", "`inexog'", "`instr'", "er`j'", "`touse'")
matrix gr_alpha[`j',2] = vq
drop yo`j'k er`j'
                  }

        svmat gr_alpha, name(a_grid)       
        gsort a_grid2
        scal alpha_opt=a_grid1          
        drop a_grid1 a_grid2

* step 5: Standard errors for just-identified case
if `nz'==1 {      
   gen double yoptm = `lhs'-`endo'*alpha_opt
   qui qreg  yoptm  `instr' `inexog' if `touse', q(`quantil')
   matrix xzhat=e(b)
   matrix xhat=xzhat[.,`nz'+1...]
   qui predict ero, resid
   qui iqreg ero
   matrix iqrr=e(b)
   qui sum ero
   scal eeh = r(sd)               
   scal iqq = iqrr[1,1]/1.349
   scal iqr = min(iqq,eeh)
   matrix bhat=(alpha_opt, xhat)                                                        
   *This is the final estimate for theta
   matrix colnames bhat = `endo' `inexog' _cons

marksample touse
markout `touse'
tempname Vrb vn
mata: ivqr_rbstse("yoptm", "`endo'", "`inexog'", "`instr'", "ero", "`touse'")
drop ero dhat yoptm       
}       

* step 5-2: Standard errors for over-identified case
if `nz'>1 {

   gen double yoptm = `lhs'-`endo'*alpha_opt
   qui qreg  yoptm  `instr' `inexog' if `touse', q(`quantil')
   matrix xzhat=e(b)
   matrix xhat=xzhat[.,`nz'+1...]
   qui predict ero, resid
   qui iqreg ero
   matrix iqrr=e(b)
   qui sum ero
   scal eeh = r(sd)               
   scal iqq = iqrr[1,1]/1.349
   scal iqr = min(iqq,eeh)                       
   matrix bhat=(alpha_opt, xhat)                                                        
   *This is the final estimate for theta
   matrix colnames bhat = `endo' `inexog' _cons


marksample touse
markout `touse'
tempname Vrb vn
mata: ivqrovi_rbstse("yoptm", "`endo'", "`inexog'", "`instr'", "ero", "`touse'")

drop ero dhat yoptm
}       

* step 6: return saved results
*// row and column names
local vnames `endo' `inexog' _cons
matrix rownames vn = `vnames'
matrix colnames vn = `vnames'
matrix rownames Vrb = `vnames'
matrix colnames Vrb = `vnames'
matrix colnames bhat = `vnames'

*// robust standard error option
local N = r(N)
if "`robust'" !="" {
        ereturn post bhat Vrb, depname(`lhs') obs(`N') esample(`touse')
       
                   }
        else    ereturn post bhat vn, depname(`lhs') obs(`N') esample(`touse')
                 
                  
*// Return as e() macro
ereturn local depvar ="`lhs'"
ereturn scalar N = r(N)
ereturn local cmdline `cmdline'
ereturn local title "Instrumental Variable `quantil'th Quantile Regression"
ereturn local cmd "ivqreg"

display _newline "`quantil'th Instrumental Variable Quantile Regression" _col(60) "Number of obs = " e(N)
ereturn display

end

安分感谢夸克帮助。
您给了我“鱼”，能不能教我如何“渔”的？
我是依次用了以下几个步骤
1、ssc inst ivqreg
2、findit ivqreg
3、google ivqreg.ado 和google ivqreg.hlp
您能不能告诉我是如何获得ivqreg.ado和ivqreg.hlp的？

我真不记得了，应该是从那篇论文里找到线索的。。

哦，我仔细阅读一下这篇文章。
能不能把ivqreg.ado和ivqreg.hlp
传上来一份。
感谢夸克帮助！！！

你把code存到记事本里，然后把后缀名从txt改成ado就好了。。

如果有现成ado的话，你也会搜索不到了。。

呵呵，你给的代码，我早就贴好了。
ivqreg .hlp有吗？

ivqreg .hlp, 应该没有。。只能把他的文章当成help了

是啊，我也是这样想。感谢夸克帮助无私的帮助！
今后联系你时，直接@你了。

夸克，帖子中的ivqreg 的code 真的执行不了，不知道你现在有没有找到更确切的命令。
祝研安

非常感谢楼主无私分享

请问楼主安装好了命令吗？我现在安装不了ivqreg命令

请问ivqrg如何检验工具变量过度识别、有效性等问题呢

您好，进网站没有找到这两篇文章哎，web of science上也找不到，楼主您方便分享一下吗？谢谢您，祝好！