帮我看看GMM估计的问题

do "E:\Stata\差分gmm.do"
. xtabond lny1 ,lags(1) maxldep(3) endogenous(lnx1,lag(0,2))  endogenous(lnx2,lag(0,2))  endogenous(lnx6,lag(0,2)) endogenous(lnx7,lag(0,2))
> endogenous(lnx8,lag(0,2)) endogenous(lnx9,lag(0,2)) endogenous(lnx10,lag(0,2)) endogenous(lnx11,lag(0,2)) twostep vce(robust)
Arellano-Bond dynamic panel-data estimation  Number of obs         =       245
Group variable: cs                           Number of groups      =        35
Time variable: year
                                             Obs per group:    min =         7
                                                               avg =         7
                                                               max =         7
Number of instruments =    117               Wald chi2(9)          =    784.54
                                             Prob > chi2           =    0.0000
Two-step results
                                     (Std. Err. adjusted for clustering on cs)
------------------------------------------------------------------------------
             |              WC-Robust
        lny1 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        lny1 |
         L1. |   .6214895   1.692569     0.37   0.713    -2.695885    3.938864
             |
        lnx1 |   .2371412   9.309906     0.03   0.980    -18.00994    18.48422
        lnx2 |   .0333372   3.731376     0.01   0.993    -7.280025      7.3467
        lnx6 |  -.0227127   1.541991    -0.01   0.988     -3.04496    2.999534
        lnx7 |    .098658   5.942167     0.02   0.987    -11.54777    11.74509
        lnx8 |   .0860411   1.444824     0.06   0.953    -2.745763    2.917845
        lnx9 |   -.054753   1.293245    -0.04   0.966    -2.589468    2.479962
       lnx10 |   .0982902   5.696645     0.02   0.986    -11.06693    11.26351
       lnx11 |   .0731355   1.920031     0.04   0.970    -3.690055    3.836326
       _cons |  -1.097282   38.71161    -0.03   0.977    -76.97064    74.77608
------------------------------------------------------------------------------
Instruments for differenced equation
        GMM-type: L(2/4).lny1 L(2/3).lnx1 L(2/3).lnx2 L(2/3).lnx6 L(2/3).lnx7 L(2/3).lnx8 L(2/3).lnx9 L(2/3).lnx10 L(2/3).lnx11
Instruments for level equation
        Standard: _cons
.
end of do-file
.刚学stata，需要做动态GMM估计，我按照书上的命名做的，但是结果不知道为什么都不显著，高手帮我分析分析

不会啊

把你的vce（r) 去掉，然后做 sargan test看看，看看概率是不是出 1，如果是这样，就把 two step 去掉，做one step 然后 加上 vce（r）看看，应该能显著，还有内生的解释变量直接 endo(lnx1 lnx2 .......)这样就可以，不用一个一个都输入

xtabond lny1，endo(lnx1 lnx2 lnx3 lnx4 lnx5 lnx6 lnx7 lnx8 lnx9 lnx10 lnx11) vce(r)   就可以了，你输入的命令太长了

dumking 发表于 2012-11-16 16:21
xtabond lny1，endo(lnx1 lnx2 lnx3 lnx4 lnx5 lnx6 lnx7 lnx8 lnx9 lnx10 lnx11) vce(r)   就可以了，你输 ...

谢谢你，这两天有点别的事情，回复晚了，抱歉。我把命令修改了下，您再帮我看看吧
. xtabond lny1  lnx2 lnx3 lnx6 lnx9 lnx10,lags(1) maxldep(3) pre(lnx1,lag(1,2)) pre(lnx7,lag(1,2)) endogenous(lnx5,lag(0,2)) endogenous(lnx8,
> lag(0,2)) endogenous(lnx11,lag(0,2)) twostep

Arellano-Bond dynamic panel-data estimation  Number of obs         =       245
Group variable: cs                           Number of groups      =        35
Time variable: year
                                             Obs per group:    min =         7
                                                               avg =         7
                                                               max =         7

Number of instruments =     89               Wald chi2(13)         =   2964.32
                                             Prob > chi2           =    0.0000
Two-step results
------------------------------------------------------------------------------
        lny1 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        lny1 |
         L1. |   .3943213   .1270561     3.10   0.002     .1452958    .6433467
             |
        lnx1 |
         --. |   .2653748   .0484838     5.47   0.000     .1703484    .3604013
         L1. |   .0235958    .069665     0.34   0.735    -.1129451    .1601368
             |
        lnx7 |
         --. |   .2375302   .1350125     1.76   0.079    -.0270894    .5021498
         L1. |   .1760586   .0615005     2.86   0.004     .0555198    .2965973
             |
        lnx5 |   .0688933   .0758288     0.91   0.364    -.0797284    .2175149
        lnx8 |    .091246   .0346269     2.64   0.008     .0233786    .1591134
       lnx11 |   .0249836   .0150152     1.66   0.096    -.0044456    .0544129
        lnx2 |   .0019377   .0107111     0.18   0.856    -.0190557    .0229311
        lnx3 |   .0588409   .0160995     3.65   0.000     .0272866    .0903952
        lnx6 |   .0145636   .0127685     1.14   0.254    -.0104621    .0395893
        lnx9 |  -.0270465    .009864    -2.74   0.006    -.0463796   -.0077134
       lnx10 |   .1914326   .0505907     3.78   0.000     .0922766    .2905885
       _cons |  -3.405967   .9781075    -3.48   0.000    -5.323022   -1.488911
------------------------------------------------------------------------------
Warning: gmm two-step standard errors are biased; robust standard
         errors are recommended.
Instruments for differenced equation
        GMM-type: L(2/4).lny1 L(1/2).L.lnx1 L(1/2).L.lnx7 L(2/3).lnx5 L(2/3).lnx8 L(2/3).lnx11
        Standard: D.lnx2 D.lnx3 D.lnx6 D.lnx9 D.lnx10
Instruments for level equation
        Standard: _cons

.
.
end of do-file

.

dumking 发表于 2012-11-16 16:21
xtabond lny1，endo(lnx1 lnx2 lnx3 lnx4 lnx5 lnx6 lnx7 lnx8 lnx9 lnx10 lnx11) vce(r)   就可以了，你输 ...

我是在do文件里改的，就没有将内生变量放一起了。我把AR值和SARGAN值也给您看看，帮我分析下。谢谢了
+-----------------------+
  |Order |  z     Prob > z|
  |------+----------------|
  |   1  |-2.7424  0.0061 |
  |   2  | .19708  0.8438 |
  +-----------------------+
   H0: no autocorrelation

H0: overidentifying restrictions are valid

        chi2(75)     =   18.9698
        Prob > chi2  =    1.0000

这样回归出来的系数结果大体上还是满意的，不知道还有什么问题没？

沧桑哥 发表于 2012-11-18 16:42
我是在do文件里改的，就没有将内生变量放一起了。我把AR值和SARGAN值也给您看看，帮我分析下。谢谢了
+ ...

你没看懂我说的意思，你不要用two step，就用one step，你的模型中sargan test没有问题，但是abond test你没有看到概率值是1吗，这是有问题的，具体是因为什么，我也不清楚，但是如果概率出现1，你用稳健误的话 vce（r）的话，你所有的变量都不会显著，概率都会接近于1.
所以说不要用两步法，就用一步法做就可以了，还有你的code命令不用那么复杂，就用我给你写的命令就可以了。

dumking 发表于 2012-11-19 16:58
你没看懂我说的意思，你不要用two step，就用one step，你的模型中sargan test没有问题，但是abond test你 ...

estat abond 检验不是检验扰动项有无自相关吗？原假设是“扰动项无自相关”，那么p值越大越好吧，为什么是1存在问题？（那个1也是sargan test,ar test的一阶p是0.0061，二阶是0.8438，所以二阶应该通过检验了吧，我复制过来的时候可能不太清楚，不好意思）

沧桑哥 发表于 2012-11-19 21:28
estat abond 检验不是检验扰动项有无自相关吗？原假设是“扰动项无自相关”，那么p值越大越好吧，为什么是 ...

abond test 是检验工具变量是不是有效的，概率是越大越好，但是太大了，比如说1说明什么，说明百分之百接受原假设，这个在统计中，特别是计量中不大可能，所以说这可能是abond test的一个存在问题，一般在two step中遇到这种问题，所以我不让你用two step，转为一步法
sargan test才是检验差分的误差项之间有没有时间序列相关性的，你的sargan test是没有问题。

dumking 发表于 2012-11-21 18:50
abond test 是检验工具变量是不是有效的，概率是越大越好，但是太大了，比如说1说明什么，说明百分之百接 ...

人家的结果很完美了

sargan值 只是判断非异方差情况下工具变量是否有效，并不是判断模型的唯一标准 也不是异方差情况下的有效标准