内生性产生的原因及解决方案.ppt

xtabond2alsoreportstestsofover-identifyingrestrictions--ofwhetherthe??instruments,asagroup,appearexogenous.??Forone-step,non-robustestimation,itreportstheSarganstatistic,whichistheminimizedvalueoftheone-stepGMMcriterionfunction.??TheSarganstatisticisnotrobusttoheteroskedasticityorautocorellation.??Soforone-step,robustestimation(稳健估计andforalltwo-stepestimation),xtabond2alsoreportstheHansenJstatistic,whichistheminimizedvalueofthetwo-stepGMMcriterionfunction,andisrobust.xtabond2stillreportstheSarganstatisticinthesecasesbecausetheJtesthasitsownproblem:itcanbegreatlyweakenedbyinstrumentproliferation.豪斯曼检验1原假设为：2H0：所有解释变量均为外生变量3regyx1x24eststoreols5ivregress2slsyx1(x2=z1z2)6eststoreiv7hausmanivols,sigmamore8究竟该用OLS还是工具变量法上述检验的缺点是，它假设在H0成立的情况下，OLS最有效率。但如果存在异方差，OLS并不最有效率(不是BLUE)。故传统的豪斯曼检验不适用于异方差的情形。此时可以使用杜宾-吴-豪斯曼检验(DWH)，该检验在异方差的情况下也适用，更为稳健。stata命令：estatendogenous为负值不存在内生性Mincer(1958)最早研究了工资与受教育年限的正相关关系，但遗漏了“能力”这个变量，导致遗漏变量偏差。针对美国面板调查数据中的年轻男子组群(YoungMen’sCohortoftheNationalLongitudinalSurvey，简记NLS-Y)，Griliches(1976)采用工具变量法对遗漏变量问题进行了校正。BlackburnandNeumark(1992)更新1了Griliches(1976)的数据，即这个例子中将要使用的数据集grilic.dta。2例一该数据集中包括以下变量：lw(工资对数)，s(受教育年限)，age(年龄)，expr(工龄)，tenure(在现单位的工作年数)，iq(智商)，med(母亲的受教育年限)，kww(在“knowledgeoftheWorldofWork”测试中的成绩)，mrt(婚姻虚拟变量，已婚=1)，rns(美国南方虚拟变量，住在南方=1)，smsa(大城市虚拟变量，住在大城市=1)，year(有数据的最早年份，1966—1973年中的某一年)。这是一个两期面板数据，初始期为当以上变量有数据的最早年份，结束期为1980年。不带80字样的变量名为初始期，带80字样的变量名为1980年数据。比如，iq指的是初始期的智商，而lw80指的是1980年的工资对数。先看一下数据的统计特征。usegrilic.dta,clearsum123654建立如下方程：reglw80s80expr80tenure80pwcorriqs,sig考察智商与受教育年限的相关关系。11。遗漏变量问题：认为方程遗漏了“能力”这个变量，加入iq（智商）作为“能力”的代理变量。2reglw80s80iqexpr80tenure80继续对方程进行分析：我们发现了如下问题：2。测量误差问题：iq（智商）对“能力”的测量存在误差。3。变量内生性问题：s80可能与扰动项中除“能力”以外的其他因素相关，因此是内生变量。解决方法：引入四个变量med，kww，mrt，age，作为内生解释变量iq与s80的工具变量。然后使用TSLS方法进行回归。ivregress2slslw80expr80