面板数据“二元内生变量”怎么处理

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

面板数据“二元内生变量”求助

大家好，请问有朋友了解面板数据中二元内生变量的处理方法吗？情况如下：
1. 面板数据，需要用双向固定效应；
2. 内生变量是二元变量 dummy variable；
3. 工具变量IV- estimation需要用在主效应和调节效应。
       
我已经尝试了将2SLS和CF用在主效应中（1st stage用probit，2nd stage 用OLS），但是调节效应有些棘手，困境如下（以CF为例）：
       
调节变量的加入，导致出现两个内生变量，一阶段probit就得predict两个残差，但是！！probit本来加入多个dummy variable后就跑的很慢，现在一个调节变量就要probit两次，数据分析进展极其之慢！！！
       
或许有朋友有相关经验，可以分享一下吗？这种情况应该怎么办？感谢！！

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

分享0 收藏0 回帖

关键词：面板数据 怎么处理 内生变量 Estimation Variable

你好，处理面板数据中二元内生变量的情况，你可以考虑使用工具变量（IV）方法，特别是当需要控制双向固定效应时。对于你的问题，以下是一些可能的解决方案：

1. 使用GMM（广义矩估计法）：GMM可以处理多个内生变量和不完全的工具变量情况。在Stata中，你可以使用`areg2s`命令来进行两阶段GMM估计，它可以处理二元内生变量，并且可以包含双向固定效应。

2. 多阶段回归（2SLS）优化：对于调节效应，你可以在一阶段中分别对每个dummy variable和调节变量进行probit回归，然后计算残差。在第二阶段，将这些残差作为工具变量引入主效应的面板模型。这种方法可能会比较慢，但可以尝试通过优化代码或使用更高效的统计软件来提高速度。

3. 使用其他估计方法：除了2SLS和GMM，你还可以考虑使用控制函数（Control Function, CF）方法或者最近提出的C Mundlak-Chamberlain（CMC）法。这些方法可能对处理二元内生变量有较好的适应性。

建议你在尝试上述方法时，确保工具变量的外生性和相关性，并且注意检验估计结果的稳健性。希望这些建议对你有所帮助！如果你有进一步的问题或者需要更详细的代码示例，欢迎继续提问。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用

thanks for sharing