关于identification test的问题

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

（替dianajack 提问。原提问在我留言板上。发出来大家都能看到，也能吸引更好的回答。）

1. ------------------------------------------------------------------------------
   
2. Underidentification test (Kleibergen-Paap rk LM statistic):             40.704
   
3.                                                    Chi-sq(1) P-val =    0.0000
   
4. ------------------------------------------------------------------------------
   
5. Weak identification test (Cragg-Donald Wald F statistic):               45.499
   
6.                          (Kleibergen-Paap rk Wald F statistic):         41.499
   
7. Stock-Yogo weak ID test critical values: 10% maximal IV size             16.38
   
8.                                          15% maximal IV size              8.96
   
9.                                          20% maximal IV size              6.66
   
10.                                          25% maximal IV size              5.53
    
11. Source: Stock-Yogo (2005).  Reproduced by permission.
    
12. NB: Critical values are for Cragg-Donald F statistic and i.i.d. errors.
    
13. ------------------------------------------------------------------------------
    
14. Hansen J statistic (overidentification test of all instruments):         0.000
    
15.                                                  (equation exactly identified)
    
16. 
    
17. Collinearity/identification problems in eqn. excl. suspect orthog. conditions:
    
18.   C statistic not calculated for -orthog- option
    
19. -endog- option:
    
20. Endogeneity test of endogenous regressors:                              20.321
    
21.                                                    Chi-sq(1) P-val =    0.0000
    
22. Regressors tested:    avghappiness
    
23. ------------------------------------------------------------------------------
    
24. Instrumented:         avghappiness
    
25. Included instruments: imonincome xdshouruII dum_male age age2 heacondition
    
26.                       education dum_marstatus kidnumber dum_trustdegree2
    
27.                       dum_bordegree2 hxsat confidence1 selfvalue1
    
28. Excluded instruments: avemonincome
    
29. ------------------------------------------------------------------------------

复制代码

版主好！劳烦您帮我解答一下1.“Weak identification test”2.Hansen J statistic 3 .Endogeneity test of endogenous regressors 4.这个instrument 可用吗？我看不明白。急盼回复。万分感恩。

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9 回帖

关键词：cation Identi ATION CATI test 留言板

这个好像是ivreg2命令的结果。这个命令不是Stata自带的命令。我不是很熟悉。但是Statalist上有过这个问题（http://www.stata.com/statalist/archive/2011-04/msg00877.html）。这个Stata journal article上有详细解答。http://www.stata-journal.com/article.html?article=st0030_3

你的检验应该是ivreg2命令使用了orthog选项，用来检测工具变量的外生性，即工具变量与扰动项不相关。但是可以看到，你有一个认为内生的解释变量，而且你也只有一个工具变量，所以这属于“恰好识别”的情况，即工具变量个数等于内生解释变量的个数。在“过度识别”的（工具变量个数多于内生解释变量个数）情况下，你是可以这样检验外生性的，这是原假设为所有工具变量都是外生的，通过看C统计量的p值，你可以做出是否拒绝原假设的决定，如果拒绝，则认为至少一个工具变量不是外生的。但是，在恰好识别的情况下，目前公认无法检验工具变量的外生性，即工具变量与扰动项不相关。这种情况下，只能进行定性讨论或依赖于专家的意见。定性讨论基于以下逻辑：如果工具变量是外生的，则其对被解释变量发生影响的唯一渠道是通过内生解释变量，除此以外别无其他渠道。在实际操作中，则需要找出工具变量影响被解释变量的所有可能其他渠道，然后一一排除，才能比较信服地说明工具变量的外生性。

虽然在“恰好识别”情况下，难以检测外生性，但仍然可检测工具变量的相关性，即工具变量与内生解释变量相关。如果工具变量与内生解释变量完全不相关，则无法使用工具变量法；如果只是微弱地相关，则该工具变量是“弱工具变量”。可以在运行ivregress之后通过以下命令检验：
estat firststage, all forcenonrobust
此检验的原假设为：工具变量在第一阶段回归中的系数都为0。如果拒绝原假设，则认为工具变量满足相关性。如果存在弱工具变量，则应该：（1）寻找更强的工具变量 （2）使用对弱工具变量更不敏感的“有限信息最大似然估计法”，其stata命令为：
ivregress liml depvar [varlist1] (varlist2=instlist)

如果题注还想掌握更多的过于工具变量的检验的实战操作，推荐参考陈强的书《高级计量经济学及Stata应用》第二版，在第153-166页有详细的关于Stata命令及实例的介绍，跟着他的介绍自己动手操作一遍会更有收获。说实话，工具变量不好找，好的工具变量就更稀有了。

祝学习愉快！

PhoebeSG 发表于 2016-12-22 15:59
你的检验应该是ivreg2命令使用了orthog选项，用来检测工具变量的外生性，即工具变量与扰动项不相关。但是可 ...

感谢！！！！！！！！！！！！！！

说的真好！收藏。

PhoebeSG 发表于 2016-12-22 15:59
你的检验应该是ivreg2命令使用了orthog选项，用来检测工具变量的外生性，即工具变量与扰动项不相关。但是可 ...

不好意思，我不太熟悉这里的按键，我以为是下拉菜单，结果才知道是点错了，抱歉！

suyueyunbai 发表于 2024-4-30 14:06
不好意思，我不太熟悉这里的按键，我以为是下拉菜单，结果才知道是点错了，抱歉！

不是故意点的踩，实在是不熟悉，不好意思了

这段输出展示的是使用面板数据或时间序列数据进行的工具变量回归（2SLS）中的识别与弱识别测试结果。我们来看一下每部分的意义：

### Underidentification Test

- **Kleibergen-Paap rk LM statistic:** 这个统计量用于检测模型是否属于过度识别、恰好识别还是欠识别。在这里，得分为40.704，并且Chi-sq(1)的p值为0.0000。

**解释：**
- 由于p值非常小（<0.05），我们拒绝原假设，这意味着模型不是欠识别的，即工具变量的数量至少等于内生变量的数量。这表明我们的模型在统计意义上是“恰好”或“过度”识别。

### Weak Identification Test

- **Cragg-Donald Wald F statistic:** 用于检测工具变量是否为弱识别器。
- **Kleibergen-Paap rk Wald F statistic:** 另一个用于相同目的的统计量，但是计算方法不同。
  
**解释：**
- 分别为45.499和41.499。这些值较高意味着工具变量在识别内生变量方面很强劲。

### Stock-Yogo Weak ID Test

虽然输出中没有直接显示Stock-Yogo测试的结果，但通常我们会用这个测试的临界值去比较F统计量来判断工具变量是否足够强大。
- 一般情况下，如果Cragg-Donald Wald F statistic或者Kleibergen-Paap rk Wald F statistic超过10或16（取决于你选择的Stock-Yogo检验水平和假设），则认为工具变量是强大的。

### 结论

根据上面的测试结果，我们可以推断：
- 工具变量数量合适，并且在统计上显著地识别了内生变量。
- 工具变量看起来不是弱识别者，意味着它们对于解释内生性有足够的力量。这意味着回归中的估计量很可能是有效的和一致的。

总之，这些测试结果表明你的模型结构良好，工具变量选择得当。不过，为了确认这一点，确保查看与你使用的样本大小相关的Stock-Yogo临界值，并且F统计量应该高于这个临界值。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用