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
回归结果解读
ZY一
16200 9
2020-02-11

FIXED EFFECTS ESTIMATION
------------------------
Number of groups =       354                    Obs per group: min =         4
                                                               avg =       5.0
                                                               max =         5
IV (2SLS) estimation
--------------------
Estimates efficient for homoskedasticity only
Statistics robust to heteroskedasticity
                                                      Number of obs =     1768
                                                      F(  6,  1408) =     4.28
                                                      Prob > F      =   0.0003
Total (centered) SS     =  75.94690896                Centered R2   =   0.1011
Total (uncentered) SS   =  75.94690896                Uncentered R2 =   0.1011
Residual SS             =  68.27009849                Root MSE      =    .2197
------------------------------------------------------------------------------
             |               Robust
         ROE |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         RD1 |    .011375   .0050037     2.27   0.023     .0015679    .0211821
        SIZE |   .0751822   .0174232     4.32   0.000     .0410333    .1093312
         LEV |   -.889736   .2068647    -4.30   0.000    -1.295183   -.4842887
         GRI |     .00853   .0048837     1.75   0.081    -.0010419    .0181018
          RC |   .0795044   .1322502     0.60   0.548    -.1797013      .33871
          CT |   .2199529   .1061265     2.07   0.038     .0119488     .427957
------------------------------------------------------------------------------
Underidentification test (Kleibergen-Paap rk LM statistic):             13.834
                                                   Chi-sq(1) P-val =    0.0002
------------------------------------------------------------------------------
Weak identification test (Cragg-Donald Wald F statistic):              200.608
                         (Kleibergen-Paap rk Wald F statistic):         19.096
Stock-Yogo weak ID test critical values: 10% maximal IV size             16.38
                                         15% maximal IV size              8.96
                                         20% maximal IV size              6.66
                                         25% maximal IV size              5.53
Source: Stock-Yogo (2005).  Reproduced by permission.
NB: Critical values are for Cragg-Donald F statistic and i.i.d. errors.
------------------------------------------------------------------------------
Hansen J statistic (overidentification test of all instruments):         0.000
                                                 (equation exactly identified)
------------------------------------------------------------------------------
Instrumented:         RD1
Included instruments: SIZE LEV GRI RC CT
Excluded instruments: RD2
------------------------------------------------------------------------------
以核心解释变量的滞后一期数据作为工具变量进行两阶段回归，小白求大神指导回归结果怎么看，主要关注那些指标？以及判断的标准是什么？（求指导，非常感谢）

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
Sea.Zeng
2020-2-12 10:59:20
Kleibergen-Paap rk Wald F statistic可说明工具变量的相关性，从回归结果上看相关性还是不错的。工具变量的外生性需要定性探讨。你选的是核心解释变量的滞后一期，目前的确是有很多文献都这样做，不过个人建议还是要从经济意义上探讨一下。
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

ZY一
2020-2-12 16:07:32
谢谢还想请教两个问题：
1：一般的xtivreg2的回归结果是不是主要关注
Underidentification test (Kleibergen-Paap rk LM statistic):             13.808
Weak identification test (Cragg-Donald Wald F statistic):              200.385
Hansen J statistic (overidentification test of all instruments):         0.000
上面3个指标以及关注变量的系数对应P值是否显著就可以了？此外还需要对模型进行内生性检验吗？
2：对于上面的3个指标有没有什么判断标准？（看到一些讨论说F统计量的值大于10就可以说明相关性？），另外3个指标之间有没有什么联系？（感觉对这些指标还是一头雾水，求指导）
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

ZY一
2020-2-12 16:08:21
Sea.Zeng 发表于 2020-2-12 10:59
Kleibergen-Paap rk Wald F statistic可说明工具变量的相关性，从回归结果上看相关性还是不错的。工具变量的 ...
谢谢还想请教两个问题：
1：一般的xtivreg2的回归结果是不是主要关注
Underidentification test (Kleibergen-Paap rk LM statistic):             13.808
Weak identification test (Cragg-Donald Wald F statistic):              200.385
Hansen J statistic (overidentification test of all instruments):         0.000
上面3个指标以及关注变量的系数对应P值是否显著就可以了？此外还需要对模型进行内生性检验吗？
2：对于上面的3个指标有没有什么判断标准数值之类的？（看到一些讨论说F统计量的值大于10就可以说明相关性？），另外3个指标之间有没有什么联系？（感觉对这些指标还是一头雾水，求指导）
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

Sea.Zeng
2020-2-12 16:46:09
ZY一 发表于 2020-2-12 16:08
谢谢还想请教两个问题：
1：一般的xtivreg2的回归结果是不是主要关注
Underidentification test (Kleib ...
1. 不完全正确。第一个检验叫做不可识别检验，可以在一定程度上说明工具变量的相关性如何，但是一般来讲，检验相关性还是要用弱识别检验（也就是你说的第二个统计量）。弱识别检验的统计量是Cragg-Donald Wald F统计量或Kleibergen-Paap rk Wald F统计量。这两个F统计量的区别在于，第一个基于同方差假设，第二个不用。因此，第二个F统计量的结果比第一个要更加可靠。至于Hansen J统计量，是进行过度识别检验的，其目的是判断工具变量的外生性。过度识别检验必须要基于两个前提：第一，模型是过度识别的；第二，模型至少是恰好识别的。这两个条件都满足，才可以用过度识别检验（具体来讲，第一个前提是指工具变量的个数多于内生变量的个数，第二个条件是指有效工具变量的个数至少等于内生变量的个数。比如，你找了两个工具变量，且能从经济意义上判断其中一个外生。如果你要检验另外一个工具变量的外生性，就可以用过度识别检验）。你这种情况下，第一个前提不满足，过度识别检验用不了，所以只能从经济意义上探讨。至于内生性检验，如果你的目的是解决内生性带来的有偏性和非一致性问题，那么直接关注工具变量回归的结果就可以，个人认为没必要做内生性检验；
2. 工具变量的检验主要就是两个方面：相关性和外生性。前两个检验都是关于相关性的。至于判断数值，F统计量大于10是一个经验准则，可以在一定程度上说明工具变量的相关性较强。但是工具变量的相关性检验方法很多，如果有更多的证据，则更能说明工具变量的强相关性。比如，Cragg-Donald Wald F statistic或Kleibergen-Paap rk Wald F statistic大于10% maximal IV size，再比如Anderson-Rubin Wald检验等等。至于外生性，只能用过度识别检验来判断，且必须满足前面说的两个条件。过度识别检验的原假设你可以理解为工具变量外生。因此，只有当不能拒绝原假设的时候，才能说通过过度识别检验。三个指标检验的是工具变量不同的性质，个人认为没有具体联系。
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

ZY一
2020-2-14 22:56:41
Sea.Zeng 发表于 2020-2-12 16:46
1. 不完全正确。第一个检验叫做不可识别检验，可以在一定程度上说明工具变量的相关性如何，但是一般来讲 ...
非常感谢，回答的好用心，一下就明白，太感谢啦
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

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群