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
12139 21
2012-11-11
悬赏 50 个论坛币 未解决
do "E:\Stata\差分gmm.do"
. xtabond lny1 ,lags(1) maxldep(3) endogenous(lnx1,lag(0,2))  endogenous(lnx2,lag(0,2))  endogenous(lnx6,lag(0,2)) endogenous(lnx7,lag(0,2))
> endogenous(lnx8,lag(0,2)) endogenous(lnx9,lag(0,2)) endogenous(lnx10,lag(0,2)) endogenous(lnx11,lag(0,2)) twostep vce(robust)
Arellano-Bond dynamic panel-data estimation  Number of obs         =       245
Group variable: cs                           Number of groups      =        35
Time variable: year
                                             Obs per group:    min =         7
                                                               avg =         7
                                                               max =         7
Number of instruments =    117               Wald chi2(9)          =    784.54
                                             Prob > chi2           =    0.0000
Two-step results
                                     (Std. Err. adjusted for clustering on cs)
------------------------------------------------------------------------------
             |              WC-Robust
        lny1 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        lny1 |
         L1. |   .6214895   1.692569     0.37   0.713    -2.695885    3.938864
             |
        lnx1 |   .2371412   9.309906     0.03   0.980    -18.00994    18.48422
        lnx2 |   .0333372   3.731376     0.01   0.993    -7.280025      7.3467
        lnx6 |  -.0227127   1.541991    -0.01   0.988     -3.04496    2.999534
        lnx7 |    .098658   5.942167     0.02   0.987    -11.54777    11.74509
        lnx8 |   .0860411   1.444824     0.06   0.953    -2.745763    2.917845
        lnx9 |   -.054753   1.293245    -0.04   0.966    -2.589468    2.479962
       lnx10 |   .0982902   5.696645     0.02   0.986    -11.06693    11.26351
       lnx11 |   .0731355   1.920031     0.04   0.970    -3.690055    3.836326
       _cons |  -1.097282   38.71161    -0.03   0.977    -76.97064    74.77608
------------------------------------------------------------------------------
Instruments for differenced equation
        GMM-type: L(2/4).lny1 L(2/3).lnx1 L(2/3).lnx2 L(2/3).lnx6 L(2/3).lnx7 L(2/3).lnx8 L(2/3).lnx9 L(2/3).lnx10 L(2/3).lnx11
Instruments for level equation
        Standard: _cons
.
end of do-file
.刚学stata,需要做动态GMM估计,我按照书上的命名做的,但是结果不知道为什么都不显著,高手帮我分析分析

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
2012-11-11 19:21:50
不会啊
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

2012-11-16 16:19:52
把你的vce(r) 去掉,然后做 sargan test看看,看看概率是不是出 1,如果是这样,就把 two step 去掉,做one step 然后 加上 vce(r)看看,应该能显著,还有内生的解释变量直接 endo(lnx1 lnx2 .......)这样就可以,不用一个一个都输入
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

2012-11-16 16:21:38
xtabond lny1,endo(lnx1 lnx2 lnx3 lnx4 lnx5 lnx6 lnx7 lnx8 lnx9 lnx10 lnx11) vce(r)   就可以了,你输入的命令太长了
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

2012-11-18 16:38:04
dumking 发表于 2012-11-16 16:21
xtabond lny1,endo(lnx1 lnx2 lnx3 lnx4 lnx5 lnx6 lnx7 lnx8 lnx9 lnx10 lnx11) vce(r)   就可以了,你输 ...
谢谢你,这两天有点别的事情,回复晚了,抱歉。我把命令修改了下,您再帮我看看吧
. xtabond lny1  lnx2 lnx3 lnx6 lnx9 lnx10,lags(1) maxldep(3) pre(lnx1,lag(1,2)) pre(lnx7,lag(1,2)) endogenous(lnx5,lag(0,2)) endogenous(lnx8,
> lag(0,2)) endogenous(lnx11,lag(0,2)) twostep

Arellano-Bond dynamic panel-data estimation  Number of obs         =       245
Group variable: cs                           Number of groups      =        35
Time variable: year
                                             Obs per group:    min =         7
                                                               avg =         7
                                                               max =         7

Number of instruments =     89               Wald chi2(13)         =   2964.32
                                             Prob > chi2           =    0.0000
Two-step results
------------------------------------------------------------------------------
        lny1 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        lny1 |
         L1. |   .3943213   .1270561     3.10   0.002     .1452958    .6433467
             |
        lnx1 |
         --. |   .2653748   .0484838     5.47   0.000     .1703484    .3604013
         L1. |   .0235958    .069665     0.34   0.735    -.1129451    .1601368
             |
        lnx7 |
         --. |   .2375302   .1350125     1.76   0.079    -.0270894    .5021498
         L1. |   .1760586   .0615005     2.86   0.004     .0555198    .2965973
             |
        lnx5 |   .0688933   .0758288     0.91   0.364    -.0797284    .2175149
        lnx8 |    .091246   .0346269     2.64   0.008     .0233786    .1591134
       lnx11 |   .0249836   .0150152     1.66   0.096    -.0044456    .0544129
        lnx2 |   .0019377   .0107111     0.18   0.856    -.0190557    .0229311
        lnx3 |   .0588409   .0160995     3.65   0.000     .0272866    .0903952
        lnx6 |   .0145636   .0127685     1.14   0.254    -.0104621    .0395893
        lnx9 |  -.0270465    .009864    -2.74   0.006    -.0463796   -.0077134
       lnx10 |   .1914326   .0505907     3.78   0.000     .0922766    .2905885
       _cons |  -3.405967   .9781075    -3.48   0.000    -5.323022   -1.488911
------------------------------------------------------------------------------
Warning: gmm two-step standard errors are biased; robust standard
         errors are recommended.
Instruments for differenced equation
        GMM-type: L(2/4).lny1 L(1/2).L.lnx1 L(1/2).L.lnx7 L(2/3).lnx5 L(2/3).lnx8 L(2/3).lnx11
        Standard: D.lnx2 D.lnx3 D.lnx6 D.lnx9 D.lnx10
Instruments for level equation
        Standard: _cons

.
.
end of do-file

.
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

2012-11-18 16:42:19
dumking 发表于 2012-11-16 16:21
xtabond lny1,endo(lnx1 lnx2 lnx3 lnx4 lnx5 lnx6 lnx7 lnx8 lnx9 lnx10 lnx11) vce(r)   就可以了,你输 ...
我是在do文件里改的,就没有将内生变量放一起了。我把AR值和SARGAN值也给您看看,帮我分析下。谢谢了
+-----------------------+
  |Order |  z     Prob > z|
  |------+----------------|
  |   1  |-2.7424  0.0061 |
  |   2  | .19708  0.8438 |
  +-----------------------+
   H0: no autocorrelation

H0: overidentifying restrictions are valid

        chi2(75)     =   18.9698
        Prob > chi2  =    1.0000

这样回归出来的系数结果大体上还是满意的,不知道还有什么问题没?
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

点击查看更多内容…
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