请教连老师

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

连老师，您好！
我在做sysGMM的时候，estat abond检验的结果显示是“.”，estat sargan检验的结果比较理想，请问这是怎么回事？是模型设定错误还是什么问题？我用的是xtdpdsys命令。
敬请赐教！

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：连老师 xtdpdsys Sargan sysGMM estat 检验 模型

你把完整的命令列出来。
同时，请输入 xtdes 命令，把结果也贴出来。

arlionn 发表于 2011-12-1 16:16
你把完整的命令列出来。
同时，请输入 xtdes 命令，把结果也贴出来。

xtdpdsys wage1 own  ys1  mkup tax  tr_pro   size dq indus2, lags(1) twostep  endog( cap,lag(1,2) ) endog(out,lag(1,3))artests(2)

System dynamic panel-data estimation         Number of obs         =    532173
Group variable: num                          Number of groups      =    267886
Time variable: year
                                             Obs per group:    min =         1
                                                               avg =  1.986565
                                                               max =         4

Number of instruments =     17               Wald chi2(13)         =   1913.75
                                             Prob > chi2           =    0.0000
Two-step results
------------------------------------------------------------------------------
       wage1 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       wage1 |
         L1. |   .5947422   .0416395    14.28   0.000     .5131304     .676354
             |
         cap |
         --. |   .1355102   .0987312     1.37   0.170    -.0579993    .3290198
         L1. |   .2762133   .0773079     3.57   0.000     .1246925    .4277341
             |
         out |
         --. |   .0009883   .0004919     2.01   0.045     .0000241    .0019524
         L1. |  -.0008774   .0004856    -1.81   0.071     -.001829    .0000743
             |
         own |   .0005978   .0012275     0.49   0.626     -.001808    .0030036
         ys1 |   .1731251   .0324977     5.33   0.000     .1094307    .2368195
        mkup |  -.3765018   .0290065   -12.98   0.000    -.4333535   -.3196501
         tax |  -.0003548   .0005462    -0.65   0.516    -.0014253    .0007157
      tr_pro |  -.0444372    .006025    -7.38   0.000     -.056246   -.0326284
        size |  -.0771895    .016611    -4.65   0.000    -.1097464   -.0446326
          dq |  -.0331507   .0169373    -1.96   0.050    -.0663473    .0000458
      indus2 |  -.0020759   .0009514    -2.18   0.029    -.0039407   -.0002111
       _cons |   .3035363   .3101361     0.98   0.328    -.3043194    .9113919
------------------------------------------------------------------------------
Warning: gmm two-step standard errors are biased; robust standard
         errors are recommended.
Instruments for differenced equation
        GMM-type: L(2/.).wage1 L(2/3).L.cap L(2/4).L.out
        Standard: D.own D.ys1 D.mkup D.tax D.tr_pro D.size D.dq D.indus2
Instruments for level equation
        GMM-type: LD.wage1 L2D.cap L2D.out
        Standard: _cons

. estat abond

Arellano-Bond test for zero autocorrelation in first-differenced errors
  +-----------------------+
  |Order |  z     Prob > z|
  |------+----------------|
  |   1  |      .       . |
  |   2  |      .       . |
  +-----------------------+
   H0: no autocorrelation

. estat sargan
Sargan test of overidentifying restrictions
        H0: overidentifying restrictions are valid

        chi2(3)      =  2.174183
        Prob > chi2  =    0.5371

arlionn 发表于 2011-12-1 16:16
你把完整的命令列出来。
同时，请输入 xtdes 命令，把结果也贴出来。

这个是把cap变量重新设定的结果：
. xtdpdsys wage1 own ys1   mkup tax  tr_pro   size dq indus2, lags(1) twostep endog(out,lag(1,3))artests(2)

System dynamic panel-data estimation         Number of obs         =    532173
Group variable: num                          Number of groups      =    267886
Time variable: year
                                             Obs per group:    min =         1
                                                               avg =  1.986565
                                                               max =         4

Number of instruments =     17               Wald chi2(11)         =   2836.29
                                             Prob > chi2           =    0.0000
Two-step results
------------------------------------------------------------------------------
       wage1 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       wage1 |
         L1. |   .2040382   .0194739    10.48   0.000     .1658701    .2422064
             |
         out |
         --. |   .0018886   .0004238     4.46   0.000      .001058    .0027193
         L1. |   .0018343   .0004274     4.29   0.000     .0009965     .002672
             |
         own |  -.0062507   .0015454    -4.04   0.000    -.0092797   -.0032218
         ys1 |  -.1462167   .0124516   -11.74   0.000    -.1706215    -.121812
        mkup |  -.2628025   .0201084   -13.07   0.000    -.3022142   -.2233908
         tax |  -.0011351   .0004298    -2.64   0.008    -.0019774   -.0002927
      tr_pro |  -.0390738   .0065887    -5.93   0.000    -.0519874   -.0261602
        size |  -.0524653   .0036824   -14.25   0.000    -.0596826    -.045248
          dq |  -.0684989    .014505    -4.72   0.000    -.0969281   -.0400697
      indus2 |   .0023912   .0012099     1.98   0.048     .0000198    .0047626
       _cons |   1.970804    .218618     9.01   0.000     1.542321    2.399288
------------------------------------------------------------------------------
Warning: gmm two-step standard errors are biased; robust standard
         errors are recommended.
Instruments for differenced equation
        GMM-type: L(2/.).wage1 L(2/4).L.out
        Standard: D.own D.ys1 D.mkup D.tax D.tr_pro D.size D.dq D.indus2
Instruments for level equation
        GMM-type: LD.wage1 L2D.out
        Standard: _cons

. estat abond

Arellano-Bond test for zero autocorrelation in first-differenced errors
  +-----------------------+
  |Order |  z     Prob > z|
  |------+----------------|
  |   1  |      .       . |
  |   2  |      .       . |
  +-----------------------+
   H0: no autocorrelation

. estat sargan
Sargan test of overidentifying restrictions
        H0: overidentifying restrictions are valid

        chi2(5)      =  124.8282
        Prob > chi2  =    0.0000

请您赐教！

主要是数据的问题，你的数据中，最长的时间区间是 4 年，是做动态 Panel 的最低要求，这使得 AR 检验捉襟见肘。
你可以尝试使用 xtabond 命令的最简单的形式，看看能否呈现结果。

arlionn 发表于 2011-12-2 09:27
主要是数据的问题，你的数据中，最长的时间区间是 4 年，是做动态 Panel 的最低要求，这使得 AR 检验捉襟见 ...

xtabond wage1 ys1 own  out  mkup tax  tr_pro   size dq indus2  , lags(1) twostep        artests(2)

Arellano-Bond dynamic panel-data estimation  Number of obs         =    208672
Group variable: num                          Number of groups      =    176509
Time variable: year
Obs per group:    min =         1
avg =  1.182217
max =         2

Number of instruments =     15               Wald chi2(10)         =   6696.79
Prob > chi2           =    0.0000
Two-step results

wage1       Coef.   Std. Err.      z    P>z     [95% Conf. Interval]

wage1
L1.    .0851535    .009005     9.46   0.000     .0675041    .1028029
            
ys1   -.1267736    .005047   -25.12   0.000    -.1366656   -.1168817
own   -.0010734    .000467    -2.30   0.022    -.0019886   -.0001582
out    7.52e-07   2.31e-07     3.25   0.001     2.98e-07    1.21e-06
mkup   -.3080601   .0136513   -22.57   0.000    -.3348162   -.2813041
tax   -.0007534   .0003821    -1.97   0.049    -.0015024   -4.48e-06
tr_pro   -.0278702   .0007577   -36.78   0.000    -.0293552   -.0263853
size   -.0430746   .0011334   -38.00   0.000     -.045296   -.0408532
dq   -.0009954   .0082405    -0.12   0.904    -.0171464    .0151557
indus2   -.0001693   .0002479    -0.68   0.495    -.0006552    .0003166
_cons    1.110333   .1068375    10.39   0.000     .9009354    1.319731

Warning: gmm two-step standard errors are biased; robust standard
errors are recommended.
Instruments for differenced equation
GMM-type: L(2/.).wage1
Standard: D.ys1 D.own D.out D.mkup D.tax D.tr_pro D.size D.dq D.indus2
Instruments for level equation
Standard: _cons

. estat abond

Arellano-Bond test for zero autocorrelation in first-differenced errors
+-----------------------+
Order   z     Prob > z
------+----------------
1        .       .
2        .       .
+-----------------------+
H0: no autocorrelation

. estat sargan
Sargan test of overidentifying restrictions
H0: overidentifying restrictions are valid

chi2(4)      =  302.4827
Prob > chi2  =    0.0000

我用了xtabond后还是没有结果。我准备把数据重新进行处理，看看时间区间扩大以后是否会有结果。
十分感谢您的指导！