过度识别 - Stata专版

8168

收藏 2020-03-08

在stata过度识别检验中如果使用xtoverid，得到的p值等于0，工具变量不适合。<br>
如果使用xtoverid [, robust cluster(varlist) ]，则得到的p值是0.085。<br>
为什么呢，选用的工具变量到底能不能用呢

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

Sea.Zeng

2020-3-8 14:23:24

首先你的工具变量要在经济意义上说得通，如果经济意义上都说不通，过度识别检验是无效的（比如你有一个内生变量，那么至少一个工具变量需要用经济意义定性判断，在此工具变量外生的前提下，其他的工具变量才可用过度识别检验）。其次，无论是否用聚类稳健标准误，过度识别检验的结果都不太好，没办法认为工具变量是外生的（第二个尽管p值大于0.05，但小于0.1，工具变量的外生性是非常重要的一个部分，所以个人认为还是要谨慎一些，在0.1的显著性水平上通过为好）。

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

arlionn

2020-3-9 01:22:02

补充一点，存在异方差时，Sargan 检验和常用的过度识别检验方法普遍存在过度拒绝问题。因此，建议加上 robust 或 vce(cluster id)，以便控制异方差的影响。

另外，做过度识别检验的话，p 值大于 0.1 比较稳妥。

--- - --
老连, https://www.lianxh.cn

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

栏目导航

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