ivreg2能通过过度识别检验，但是xtivreg2强烈拒绝。如何用理论来解释，模型该怎么改进

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

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

Estimates efficient for homoskedasticity only
Statistics robust to heteroskedasticity

                                                      Number of obs =     1124
                                                      F( 20,  1103) =   764.43
                                                      Prob > F      =   0.0000
Total (centered) SS     =  159.1498694                Centered R2   =   0.9303
Total (uncentered) SS   =  83346.46359                Uncentered R2 =   0.9999
Residual SS             =  11.09928239                Root MSE      =   .09937

------------------------------------------------------------------------------
             |               Robust
         RNI |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        ARGG |   .0412136   .0078593     5.24   0.000     .0258097    .0566174
        cons |  -.0737177    .013252    -5.56   0.000    -.0996911   -.0477443
         FEF |  -.1485794   .0141135   -10.53   0.000    -.1762413   -.1209176
          FL |   .0797606   .0085264     9.35   0.000     .0630492    .0964719
         EXP |   .0261413    .003181     8.22   0.000     .0199066    .0323759
         EDU |   .0816415   .0229133     3.56   0.000     .0367323    .1265507
       GRAIN |  -.0074574   .0048842    -1.53   0.127    -.0170302    .0021154
      INVEST |   .0488811   .0060842     8.03   0.000     .0369563    .0608058
     tempavg |   .0013678   .0006174     2.22   0.027     .0001578    .0025778
     prectot |  -.0001453   .0001309    -1.11   0.267    -.0004019    .0001113
      suntot |   7.55e-06   .0000107     0.70   0.482    -.0000135    .0000286
   pennesula |     .12207    .009312    13.11   0.000     .1038189    .1403212
        DENS |   .0374676   .0078564     4.77   0.000     .0220694    .0528657
        ROOM |   .0291146    .008812     3.30   0.001     .0118434    .0463859
        OIL1 |  -.0012284   .0016196    -0.76   0.448    -.0044028    .0019459
      FRUIT1 |   .0182439   .0039492     4.62   0.000     .0105036    .0259842
       FOOD1 |   .0013416   .0028592     0.47   0.639    -.0042623    .0069456
       MILK1 |  -.0176544   .0070276    -2.51   0.012    -.0314283   -.0038806
  VEGETABLE1 |   .0145495   .0022232     6.54   0.000     .0101921     .018907
           T |   .0849713   .0024892    34.14   0.000     .0800926    .0898501
       _cons |   6.283239   .1194377    52.61   0.000     6.049146    6.517333
------------------------------------------------------------------------------
Underidentification test (Kleibergen-Paap rk LM statistic):             79.707
                                                   Chi-sq(2) P-val =    0.0000
------------------------------------------------------------------------------
Weak identification test (Cragg-Donald Wald F statistic):              121.313
                         (Kleibergen-Paap rk Wald F statistic):         36.094
Stock-Yogo weak ID test critical values: 10% maximal IV size             19.93
                                         15% maximal IV size             11.59
                                         20% maximal IV size              8.75
                                         25% maximal IV size              7.25
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):         0.654
                                                   Chi-sq(1) P-val =    0.4188
------------------------------------------------------------------------------
Instrumented:         ARGG
Included instruments: cons FEF FL EXP EDU GRAIN INVEST tempavg prectot suntot
                      pennesula DENS ROOM OIL1 FRUIT1 FOOD1 MILK1 VEGETABLE1 T
Excluded instruments: NBLL NBAA
------------------------------------------------------------------------------



FIXED EFFECTS ESTIMATION
------------------------
Number of groups =       130                    Obs per group: min =         3
                                                               avg =       8.6
                                                               max =         9

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

Estimates efficient for homoskedasticity only
Statistics robust to heteroskedasticity

                                                      Number of obs =     1123
                                                      F( 19,   974) =  3849.44
                                                      Prob > F      =   0.0000
Total (centered) SS     =  113.0197445                Centered R2   =   0.9893
Total (uncentered) SS   =  113.0197445                Uncentered R2 =   0.9893
Residual SS             =  1.204024912                Root MSE      =   .03482

------------------------------------------------------------------------------
             |               Robust
         RNI |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        ARGG |   .0027166   .0029788     0.91   0.362    -.0031217    .0085549
        cons |  -.0054921   .0050187    -1.09   0.274    -.0153285    .0043443
         FEF |   -.001802   .0129296    -0.14   0.889    -.0271436    .0235396
          FL |   -.004058    .006659    -0.61   0.542    -.0171093    .0089934
         EXP |    .009008   .0023321     3.86   0.000     .0044372    .0135788
         EDU |   .0209139   .0097534     2.14   0.032     .0017976    .0400301
       GRAIN |  -.0184829   .0067431    -2.74   0.006    -.0316991   -.0052667
      INVEST |  -.0011944   .0027941    -0.43   0.669    -.0066708     .004282
     tempavg |  -.0000532   .0002258    -0.24   0.814    -.0004957    .0003893
     prectot |  -.0000287   .0000405    -0.71   0.479    -.0001082    .0000507
      suntot |   7.53e-06   5.73e-06     1.31   0.189    -3.70e-06    .0000188
        DENS |   .0107967   .0089647     1.20   0.228    -.0067738    .0283673
        ROOM |   .0117018    .004691     2.49   0.013     .0025076     .020896
        OIL1 |  -.0003407   .0023629    -0.14   0.885     -.004972    .0042906
      FRUIT1 |   .0093799   .0038716     2.42   0.015     .0017917    .0169681
       FOOD1 |  -.0007638   .0030007    -0.25   0.799     -.006645    .0051175
       MILK1 |   .0112484   .0056664     1.99   0.047     .0001426    .0223543
  VEGETABLE1 |   .0047301   .0027273     1.73   0.083    -.0006154    .0100755
           T |   .1241214   .0016225    76.50   0.000     .1209413    .1273015
------------------------------------------------------------------------------
Underidentification test (Kleibergen-Paap rk LM statistic):             90.975
                                                   Chi-sq(2) P-val =    0.0000
------------------------------------------------------------------------------
Weak identification test (Cragg-Donald Wald F statistic):              100.751
                         (Kleibergen-Paap rk Wald F statistic):         39.919
Stock-Yogo weak ID test critical values: 10% maximal IV size             19.93
                                         15% maximal IV size             11.59
                                         20% maximal IV size              8.75
                                         25% maximal IV size              7.25
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):        22.493
                                                   Chi-sq(1) P-val =    0.0000
------------------------------------------------------------------------------
Instrumented:         ARGG
Included instruments: cons FEF FL EXP EDU GRAIN INVEST tempavg prectot suntot
                      DENS ROOM OIL1 FRUIT1 FOOD1 MILK1 VEGETABLE1 T
Excluded instruments: NBLL NBAA
Dropped collinear:    pennesula
------------------------------------------------------------------------------

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：XTIVREG 过度识别检验 IVREG 过度识别 REG efficient 模型 如何

这是一个10年期，137个个体的样本。弱工具变量的假设是被强烈拒绝的。
也用xtivreg2+fd的方法做了，同样没法通过J检验。
如果用动态面板系统gmm和差分gmm，似乎显著性又没法保证。好忧伤。求教大神指点迷津~

拒绝“工具变量与内生变量有较强的相关性”的原假设,121.313 太大了。