DPD:Sargan和Hansen检验矛盾怎么办

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

检验过度识别约束，xtabond2里面sargan and hansen检验老是矛盾，问题到底出在哪里啊？下面用例子说明：

第一个模型不进行标准差调整，第二个模型进行调整。两个模型中sargan and hansen检验结果都矛盾。我做了其他的手册上的模型，发现这是一个普遍问题。一直没有想通。相关性检验又没有什么问题，而且这个例子是David Roodman最后给出的例子，复制DPD for OX中对应的结果。

请高手指点一下，谢谢！

1. 没有放robust

use http://www.stata-press.com/data/r7/abdata.dta
. xtabond2 n l.n l(0/1).(w k) yr1978-yr1984, gmm(L.(w k n)) iv(yr1978-yr1984, eq(lev
> el)) h(2) two small
Dynamic panel-data estimation, two-step system GMM
------------------------------------------------------------------------------
           n |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           n |
         L1. |    .872881   .0067325   129.65   0.000     .8595697    .8861923
           w |
         --. |  -.7797449   .0087665   -88.95   0.000    -.7970779   -.7624119
         L1. |   .5268032   .0145408    36.23   0.000     .4980536    .5555529
           k |
         --. |   .4700773   .0144778    32.47   0.000     .4414521    .4987024
         L1. |  -.3576081    .014154   -25.27   0.000    -.3855931   -.3296232
      yr1978 |   .0058018   .0055501     1.05   0.298    -.0051717    .0167753
      yr1979 |   .0188977   .0054704     3.45   0.001     .0080817    .0297137
      yr1980 |   .0028196   .0054678     0.52   0.607    -.0079911    .0136304
      yr1981 |  -.0200226   .0065488    -3.06   0.003    -.0329708   -.0070744
      yr1982 |   .0152802   .0047388     3.22   0.002     .0059107    .0246498
      yr1983 |    .031731   .0053602     5.92   0.000     .0211329    .0423291
      yr1984 |   .0224206   .0049654     4.52   0.000      .012603    .0322381
       _cons |   .9484881   .0626819    15.13   0.000     .8245548    1.072421
------------------------------------------------------------------------------
Warning: Uncorrected two-step standard errors are unreliable.
------------------------------------------------------------------------------
Arellano-Bond test for AR(1) in first differences: z =  -6.30  Pr > z =  0.000
Arellano-Bond test for AR(2) in first differences: z =  -0.15  Pr > z =  0.881
------------------------------------------------------------------------------
Sargan test of overid. restrictions: chi2(100)  = 186.75  Prob > chi2 =  0.000

Hansen test of overid. restrictions: chi2(100)  = 111.59  Prob > chi2 =  0.201

2.放robust

. xtabond2 n l.n l(0/1).(w k) yr1978-yr1984, gmm(L.(w k n)) iv(yr1978-yr1984, eq(lev
> el)) h(2) two small robust
Dynamic panel-data estimation, two-step system GMM
------------------------------------------------------------------------------
             |              Corrected
           n |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           n |
         L1. |    .872881   .0457559    19.08   0.000     .7824136    .9633485
           w |
         --. |  -.7797449   .1177744    -6.62   0.000    -1.012606   -.5468839
         L1. |   .5268032   .1637713     3.22   0.002     .2029983    .8506082
           k |
         --. |   .4700773   .0806911     5.83   0.000     .3105366    .6296179
         L1. |  -.3576081   .0808642    -4.42   0.000    -.5174911   -.1977251
      yr1978 |   .0058018   .0199152     0.29   0.771    -.0335741    .0451777
      yr1979 |   .0188977   .0230045     0.82   0.413    -.0265862    .0643816
      yr1980 |   .0028196   .0243216     0.12   0.908    -.0452685    .0509078
      yr1981 |  -.0200226   .0277278    -0.72   0.471    -.0748454    .0348002
      yr1982 |   .0152802   .0235491     0.65   0.517    -.0312804    .0618409
      yr1983 |    .031731   .0237422     1.34   0.184    -.0152116    .0786736
      yr1984 |   .0224206    .031398     0.71   0.476    -.0396589    .0845001
       _cons |   .9484881   .3814834     2.49   0.014     .1942277    1.702749
------------------------------------------------------------------------------

------------------------------------------------------------------------------
Arellano-Bond test for AR(1) in first differences: z =  -5.81  Pr > z =  0.000
Arellano-Bond test for AR(2) in first differences: z =  -0.15  Pr > z =  0.883
------------------------------------------------------------------------------
Sargan test of overid. restrictions: chi2(100)  = 186.75  Prob > chi2 =  0.000

Hansen test of overid. restrictions: chi2(100)  = 111.59  Prob > chi2 =  0.201

Roodman的working paper见下面第2楼：

https://bbs.pinggu.org/thread-349848-1-1.html

[此贴子已经被作者于2008-8-21 22:52:32编辑过]

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6 回帖

关键词：Hansen Sargan SAR ans 怎么办 检验 矛盾 Sargan Hansen DPD

同问，请高手指点！

同样在问题

不是很懂。好像是说，如果工具变量比较多，hansen检验的power会比较低，这时sargan检验会比较有效。

我看到的是
Sargan test of overid
(Not robust, but not weakened by many instruments.)
Hansen test of overid.
(Robust, but can be weakened by many instruments.)
国内学者使用工具变量过度识别检验时，一般只使用Sargan Test，不知道为什么。我觉得两者各有所长啊。

两者各有所长，sargan的优点就是hanson的缺点，不要太相信hanson，因为它总是让我们无法拒绝。

sargan 只适合同方差条件

LZ，我最近用到这个命令。很多时候sargan拒绝原假设，而hansen不会。尽管这两个检验各有优劣，我看到论文中多用sargan判断。估计是因为应用中工具变量较多，sargan不受工具变量个数影响。
如果把更多的变量放在GMM（）而不是IV（）中，sargan就不会拒绝原假设了。但这样工具变量会很多，这样有何不妥？

LZ，我最近用到这个命令。很多时候sargan拒绝原假设，而hansen不会。尽管这两个检验各有优劣，我看到论文中多用sargan判断。估计是因为应用中工具变量较多，sargan不受工具变量个数影响。
如果把更多的变量放在GMM（）而不是IV（）中，sargan就不会拒绝原假设了。但这样工具变量会很多，这样有何不妥？

学习了，我遇到的问题是二者巨大的差别，结果如下：

Sargan test of overid. restrictions: chi2(151)  = 357.43  Prob > chi2 =  0.000
  (Not robust, but not weakened by many instruments.)
Hansen test of overid. restrictions: chi2(151)  =   7.92  Prob > chi2 =  1.000
  (Robust, but can be weakened by many instruments.)