关于这个ivreg2工具变量检测的结果如何解读呢？应该看哪几个关键的数值并如何作解读？

ivreg2 fdi0 tra0 infl0 exch0 (corptax0=L.corptax0 L2.corptax0 gdpp0 expen0), cluster(id)

IV (2SLS) estimation
--------------------

Estimates efficient for homoskedasticity only
Statistics robust to heteroskedasticity and clustering on id

Number of clusters (id) =           34                Number of obs =      303
                                                      F(  4,    33) =     9.66
                                                      Prob > F      =   0.0000
Total (centered) SS     =  197.9885712                Centered R2   =   0.5459
Total (uncentered) SS   =  465.9504185                Uncentered R2 =   0.8071
Residual SS             =  89.90438697                Root MSE      =    .5447

------------------------------------------------------------------------------
             |               Robust
        fdi0 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    corptax0 |  -.0536645   .3185289    -0.17   0.866    -.6779697    .5706408
        tra0 |   1.164422   .2263069     5.15   0.000     .7208683    1.607975
       infl0 |   .0960754   .1286136     0.75   0.455    -.1560027    .3481536
       exch0 |   .4377244   .6653728     0.66   0.511    -.8663824    1.741831
       _cons |  -2.560585   2.911648    -0.88   0.379    -8.267311    3.146141
------------------------------------------------------------------------------
Underidentification test (Kleibergen-Paap rk LM statistic):             13.306
                                                   Chi-sq(4) P-val =    0.0099
------------------------------------------------------------------------------
Weak identification test (Cragg-Donald Wald F statistic):             1128.734
                         (Kleibergen-Paap rk Wald F statistic):        797.636
Stock-Yogo weak ID test critical values:  5% maximal IV relative bias    16.85
                                         10% maximal IV relative bias    10.27
                                         20% maximal IV relative bias     6.71
                                         30% maximal IV relative bias     5.34
                                         10% maximal IV size             24.58
                                         15% maximal IV size             13.96
                                         20% maximal IV size             10.26
                                         25% maximal IV size              8.31
Source: Stock-Yogo (2005).  Reproduced by permission.
NB: Critical values are for Cragg-Donald F statistic and i.i.d. errors.
------------------------------------------------------------------------------
Hansen J statistic (overidentification test of all instruments):         6.556
                                                   Chi-sq(3) P-val =    0.0875
------------------------------------------------------------------------------
Instrumented:         corptax0
Included instruments: tra0 infl0 exch0
Excluded instruments: L.corptax0 L2.corptax0 gdpp0 expen0
------------------------------------------------------------------------------

.

首先要说明：你的估计结果并不理想，参数大部分都不显著。
Underidentification test 即识别不足检验 其原假设是认为存在识别不足问题 或者说是工具变量与内生变量无关，这个结果可以说明你的工具变量与内生变量相关，但仍然可能存在若工具变量这一问题
Weak identification test  即若工具变量检验 这是识别不足检验的进一步检验，其原假设是认为工具变量与内生性变量有较强的相关性，你的结果说明工具变量相关性还是比较高的
Hansen J statistic 即过渡识别检验 是用来检验工具变量的合理性，你的工具变量的合理性可能有有一定问题。

楼上回答不错 不过有些可以补充一下：

你用了cluster 所以error term应该不是iid那么一般的weak identification test 没用了 不过 rk wald是现有的最好选择而你的结果足够大，没问题。

J 的null 应该是 the full set of orthogonality conditions are valid。 所以你需要fail to reject. 你这个可以fail to reject at 5% 所以马马虎虎过得去。

整个结果取决于你的variable of interest. 如果是tra0那么OK.

trueeconlover 发表于 2014-6-29 08:24
楼上回答不错 不过有些可以补充一下：

你用了cluster 所以error term应该不是iid那么一般的weak identif ...

谢谢你的热心回复哈。请问the full set of orthogonality conditions are valid这句话是什么意思呢？我没太看懂。Hansen J检测为什么要拒绝为好呢?

crystal8832 发表于 2014-6-28 23:38
首先要说明：你的估计结果并不理想，参数大部分都不显著。
Underidentification test 即识别不足检验 其原 ...

谢谢你的回复。回复得很仔细。容我搞清楚问题即将此评为最佳答案。
另外想请教你，做IV检测时还需要加做endogeneity test吗？我对此有所听闻，但不了解。

abelxuxax 发表于 2014-7-11 05:51
谢谢你的回复。回复得很仔细。容我搞清楚问题即将此评为最佳答案。
另外想请教你，做IV检测时还需要加做 ...

碰巧看到啦， 内生性检验有很多种啊， 你随便估计一下OLS，然后estat store，再来比较OLS和ivreg估计出的系数是否相等，就可以算作一个比较常用内生性检验

abelxuxax 发表于 2014-7-11 05:51
谢谢你的回复。回复得很仔细。容我搞清楚问题即将此评为最佳答案。
另外想请教你，做IV检测时还需要加做 ...

严禁的来说，是要做内生性检验的。。
方法有两种，一个是分别做OLS和IV，然后通过hausman进行检验。
还有一种是Wooldrige的书上介绍的那种，stata的command是estat endogenous
原理是，先用外生变量和和工具变量对内生变量进行回归，然后计算残差。
然后把残差作为解释变量一起放进ols回归式，看残差的系数是否为0

crystal8832 发表于 2014-6-28 23:16
首先要说明：你的估计结果并不理想，参数大部分都不显著。
Underidentification test 即识别不足检验 其原 ...

请问，Cragg-Donald Wald F statistic、Kleibergen-Paap rk Wald F statistic这两个数有判断的经验值吗？一般多少可以认为不是弱工具变量呢？

zhangibt 发表于 2015-1-19 20:33
碰巧看到啦， 内生性检验有很多种啊， 你随便估计一下OLS，然后estat store，再来比较OLS和ivreg估计出的 ...

刚好看到你的回复~麻烦问一下，那我用OLS估，再用IV估，然后做一个HAUSMAN检验，这个结果拒绝了原假设是不是就可以说明原来存在内生性问题呢？谢谢啦~

baoliyang1991 发表于 2015-7-21 11:44
刚好看到你的回复~麻烦问一下，那我用OLS估，再用IV估，然后做一个HAUSMAN检验，这个结果拒绝了原假设是不 ...

这个一般用于一个被iv对一个iv，工具变量超过了内生变量的个数，就用楼主的讨论了。