ivreg2弱工具变量检验

28884

收藏 2014-12-09

这是用ivregress做的之后的检验

. testparm faminc i(2/4).region
( 1)  faminc = 0
( 2)  2.region = 0
( 3)  3.region = 0
( 4)  4.region = 0
   F(  4, 44) = 13.30
         Prob > F = 0.0000

这是ivreg2直接跑出来的
xi:ivreg2 rent pcturban (hsngval = faminc i.region)
i.region       _Iregion_1-4       (naturally coded; _Iregion_1 omitted)
IV (2SLS) estimation
--------------------
Estimates efficient for homoskedasticity only
Statistics consistent for homoskedasticity only
                                                   Number of obs =    50
                                                   F(  2, 47) = 42.66
                                                   Prob > F    = 0.0000
Total (centered) SS    =    61243.12             Centered R2 = 0.5989
Total (uncentered) SS =    2816856             Uncentered R2 = 0.9913
Residual SS          =  24565.71669             Root MSE    = 22.17
------------------------------------------------------------------------------
      rent |    Coef. Std. Err.    z P>|z|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
   hsngval | .0022398 .0003284    6.82 0.000    .0015961 .0028836
pcturban | .081516 .2987652    0.27 0.785    -.504053    .667085
   _cons | 120.7065 15.22839    7.93 0.000    90.85942 150.5536
------------------------------------------------------------------------------
Underidentification test (Anderson canon. corr. LM statistic):       27.364
                                                Chi-sq(4) P-val = 0.0000
------------------------------------------------------------------------------
Weak identification test (Cragg-Donald Wald F statistic):             13.298
Stock-Yogo weak ID test critical values:  5% maximal IV relative bias 16.85
                                       10% maximal IV relative bias 10.27
                                       20% maximal IV relative bias    6.71
                                       30% maximal IV relative bias    5.34
                                       10% maximal IV size          24.58
                                       15% maximal IV size          13.96
                                       20% maximal IV size          10.26
                                       25% maximal IV size             8.31
Source: Stock-Yogo (2005).  Reproduced by permission.
------------------------------------------------------------------------------
Sargan statistic (overidentification test of all instruments):       11.288
                                                Chi-sq(3) P-val = 0.0103
------------------------------------------------------------------------------
Instrumented:       hsngval
Included instruments: pcturban
Excluded instruments: faminc _Iregion_2 _Iregion_3 _Iregion_4
------------------------------------------------------------------------------

ivreg2是只能显示Weak identification test (Cragg-Donald Wald F statistic):             13.298吗？显著性在哪显示呢？

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

@浪花朵朵开

2014-12-9 11:01:28

ivreg2 选择项加robust，会显示Kleibergen-Paap Wald F statist
此类判断要参照Stock-Yogo weak ID test临界值，原因：2SLS虽然是一致的，但是有偏的，使用2SLS会带来”显著性水平扭曲“，这种扭曲随着弱工具变量而增大。如果你是名义显著性水平为5%的沃尔德检验，那么在接受真实显著性不超过10%，你可以直接拒绝”弱工具变量“的原假设。

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

zgy_Russell

2014-12-11 16:09:27

看不懂啊。。。。

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

suiyuehong

2015-8-3 18:06:38

Sargan statistic (overidentification test of all instruments): 11.288
Chi-sq(3) P-val = 0.0103 是表示过度识别吗？过度识别的统计意义是什么？应该如何调整？

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

皖山一流

2015-9-6 12:59:07

同求解！

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

研究

2018-4-10 11:24:30

到底该怎么看，求大神解读

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…

听见海涛声

2018-5-1 14:33:55

你好，我使用ivreg2命令，只出来了 Hansen J statistic 的结果，请问如何做出来你帖子里的一系列检测结果呢？
具体情况如下：

代码如下：
ivreg2 roe (fds= l.fds lfn ) $z yr*, first r

回归结果如下：

First-stage regressions
-----------------------
Warning: collinearities detected among instruments
1st stage tests of excluded exogenous variables may be incorrect

First-stage regression of fds:

   Source |    SS          df    MS    Number of obs =    798
-------------+---------------------------------- F(16, 781)    = 1077.40
   Model |  2771.17492       16  173.198433 Prob > F       = 0.0000
Residual | 125.55047    781  .160756044 R-squared    = 0.9567
-------------+---------------------------------- Adj R-squared = 0.9558
   Total |  2896.72539    797  3.63453625 Root MSE       = .40094

------------------------------------------------------------------------------
      fds |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      ipr |  -.7784742 .123837 -6.29 0.000 -1.021567 -.5353815
      cash |  -.0937093 .1848735 -0.51 0.612 -.4566171 .2691985
      inta | .0729728 .3384978    0.22 0.829 -.5915005 .7374461
      inv | -.219052 .2984387 -0.73 0.463 -.8048889 .3667849
      lev | .088286 .0721323    1.22 0.221 -.0533102 .2298822
      size | .0150404 .0175326    0.86 0.391 -.0193762    .049457
      age |  -.0413863 .0294579 -1.40 0.160 -.0992123 .0164398
ownership |  -.0153685 .0380713 -0.40 0.687 -.0901028 .0593658
      yr1 |       0  (omitted)
      yr2 | .4988312 .0766778    6.51 0.000    .3483123 .6493502
      yr4 |  -.3122429 .0684479 -4.56 0.000 -.4466066 -.1778791
      yr5 |  -.0320953 .0657231 -0.49 0.625 -.1611101 .0969195
      yr6 |  -.1230321 .0644031 -1.91 0.056 -.2494557 .0033916
      yr7 | .6540823 .0651506 10.04 0.000    .5261913 .7819734
      yr8 | .401018 .0698746    5.74 0.000    .2638537 .5381824
         |
      fds |
      L1. | .9612215 .0097947 98.14 0.000    .9419944 .9804485
         |
      lfn | .1294921 .0210508    6.15 0.000    .0881692 .1708151
   _cons |  -.3833881 .3569935 -1.07 0.283 -1.084169 .3173924
------------------------------------------------------------------------------
Partial R-squared of excluded instruments: 0.9423
Test of excluded instruments:
  F(  2, 781) =  6377.56
  Prob > F    = 0.0000

Summary results for first-stage regressions:

            Shea
Variable    Partial R2    Partial R2    F(  2, 781) P-value
fds          0.9423       0.9423          6377.56       0.0000

IV (2SLS) regression with robust standard errors
------------------------------------------------

                                                   Number of obs =    798
                                                   F( 15, 781) =    9.56
                                                   Prob > F    = 0.0000
Total (centered) SS    =  6.939967727             Centered R2 = 0.2355
Total (uncentered) SS =  13.64917262             Uncentered R2 = 0.6113
Residual SS          =  5.305642002             Root MSE    =    .082

------------------------------------------------------------------------------
         |             Robust
      roe |    Coef. Std. Err.    z P>|z|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      fds | .0050063 .0015065    3.32 0.001    .0020537 .0079589
      ipr | .0697356 .024771    2.82 0.005    .0211854 .1182858
      cash | .3218028 .0404903    7.95 0.000    .2424433 .4011624
      inta |  -.3404941 .1222533 -2.79 0.005 -.5801062 -.1008821
      inv |  -.0265555 .067374 -0.39 0.693 -.1586062 .1054952
      lev |  -.0383824 .0291256 -1.32 0.188 -.0954676 .0187028
      size | .0298174 .0049024    6.08 0.000    .0202089 .0394258
      age |  -.0037206 .006417 -0.58 0.562 -.0162977 .0088565
ownership |  -.0165756 .0084315 -1.97 0.049    -.033101 -.0000501
      yr1 |       0  (omitted)
      yr2 |  -.0088435 .0231836 -0.38 0.703 -.0542825 .0365954
      yr4 |  -.0067761 .0169465 -0.40 0.689 -.0399906 .0264384
      yr5 |  -.0289826 .0163743 -1.77 0.077 -.0610756 .0031105
      yr6 |  -.0302858 .0151743 -2.00 0.046 -.0600268 -.0005448
      yr7 |  -.0355642 .0153144 -2.32 0.020 -.0655798 -.0055486
      yr8 |  -.0583836 .0167517 -3.49 0.000 -.0912162 -.0255509
   _cons |  -.5007741 .0970583 -5.16 0.000 -.6910049 -.3105432
------------------------------------------------------------------------------
Hansen J statistic (overidentification test of all instruments):       1.618
                                                Chi-sq(1) P-val = 0.20344
------------------------------------------------------------------------------
Collinearities detected among instruments: 1 instrument(s) dropped
Instrumented:  fds
Instruments: ipr cash inta inv lev size age ownership yr1 yr2 yr4 yr5 yr6 yr7
            yr8 L.fds lfn
------------------------------------------------------------------------------

.
end of do-file

.

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

卢冲

2019-3-27 19:47:45

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

子夜辰星

2019-8-15 10:10:35

听见海涛声发表于 2018-5-1 14:33
你好，我使用ivreg2命令，只出来了 Hansen J statistic 的结果，请问如何做出来你帖子里的一系列检测结果呢 ...

请问您的问题解决了吗

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

晶晶哈哈

2019-9-27 17:39:03

子夜辰星发表于 2019-8-15 10:10
请问您的问题解决了吗

我也是这个问题，估计是ivreg2的ado文件不一样，所以出来的结果不一样

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

晶晶哈哈

2019-9-27 23:13:47

子夜辰星发表于 2019-8-15 10:10
请问您的问题解决了吗

我解决了，重新下载一个最新的ivreg2

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

Sea.Zeng

2019-11-22 22:55:46

ivreg2命令，输出检验的含义是：
1. Cragg-Donald Wald F statistic：检验弱工具变量。如果不基于同方差假设，则需要看Kleibergen-Paap rk Wald F statistic（只有在使用稳健标准误时才会输出Kleibergen-Paap rk Wald F statistic统计量）；
2. Sargan统计量和Hansen J统计量：过度识别检验（在确定其中一个工具变量外生的前提下，检验其他工具变量的外生性）。用两阶段最小二乘法（2SLS）时，如果使用的是普通标准误，输出的是Sargan统计量；如果使用的是稳健标准误，输出的是Hansen J统计量。两个统计量的判断方法是相同的，比如当它们大于0.1时，则在0.1的显著性水平下不能拒绝所有工具变量均外生的原假设（但前提是必须先确定至少一个工具变量外生）。

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

VenzWuuu

2020-3-23 12:11:07

弱工具变量的原假设H0：工具变量与内生变量有较强相关性（既强工具），因此你虽然在10%显著性水平上拒绝了他是强工具变量的原假设，但是你在5%显著性水平上不能拒绝这个原假设，因此结论：它是强工具。

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

孙艾琪

2020-3-26 22:07:40

看已有文献的做法，通过判断Cragg-Donald Wald F statistic是否大于10%显著性水平上的临界值（16.38），如果大于该临界值，则说明拒绝了工具变量是弱工具变量的原假设。希望能够帮到。

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

Baldr30

2020-4-22 19:49:02

VenzWuuu 发表于 2020-3-23 12:11
弱工具变量的原假设H0：工具变量与内生变量有较强相关性（既强工具），因此你虽然在10%显著性水平上拒绝了他 ...

反了吧，原假设是弱工具变量

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

VenzWuuu

2020-5-22 11:00:11

Baldr30 发表于 2020-4-22 19:49
反了吧，原假设是弱工具变量

xtivreg2 命令中的弱工具变量是这样的，连玉君老师视频课讲过了，ivreg2我不清楚

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

20210906

2023-6-11 13:14:00

晶晶哈哈发表于 2019-9-27 17:39
我也是这个问题，估计是ivreg2的ado文件不一样，所以出来的结果不一样

请问这种情况怎么解决呢

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

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群