xtabond2中检验结果不理想，但是系数做出来显著了，结果能用么？

菜鸟提问：做动态面板，希望niis显著，命令与结果如下，niis显著，但是工具变量数量超过了组的数量，Arellano-Bond test第一个值也有0.2，Hansen test 为1，Difference-in-Hansen tests都很大，还有警告，这样做出来的结果可以使用么？如果不能使用，还可以怎么改进处理。已经尝试过在gmm()里面去掉l.rroa，或者再增加一些变量，但是系数做不出来显著。谢谢。
xtabond2 rroa l.rroa niis ci gdp, gmm(l.rroa ci gdp,collapse) iv(year) twostep robust
Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm.
Warning: Number of instruments may be large relative to number of observations.
Warning: Two-step estimated covariance matrix of moments is singular.
  Using a generalized inverse to calculate optimal weighting matrix for two-step estimation.
  Difference-in-Sargan/Hansen statistics may be negative.

Dynamic panel-data estimation, two-step system GMM
------------------------------------------------------------------------------
Group variable: state                           Number of obs      =       266
Time variable : year                            Number of groups   =        19
Number of instruments = 46                      Obs per group: min =        14
Wald chi2(4)  =     56.35                                      avg =     14.00
Prob > chi2   =     0.000                                      max =        14
------------------------------------------------------------------------------
             |              Corrected
        rroa |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        rroa |
         L1. |   .1460725    .042727     3.42   0.001      .062329    .2298159
             |
        niis |   .0173638   .0083303     2.08   0.037     .0010367    .0336908
          ci |  -.0227921    .011006    -2.07   0.038    -.0443636   -.0012206
         gdp |   .0618302   .0343271     1.80   0.072    -.0054497      .12911
       _cons |   .8696356   .4839264     1.80   0.072    -.0788427    1.818114
------------------------------------------------------------------------------
Instruments for first differences equation
  Standard
    D.(year)
  GMM-type (missing=0, separate instruments for each period unless collapsed)
    L(1/.).(L.rroa ci gdp) collapsed
Instruments for levels equation
  Standard
    _cons
    year
  GMM-type (missing=0, separate instruments for each period unless collapsed)
    D.(L.rroa ci gdp) collapsed
------------------------------------------------------------------------------
Arellano-Bond test for AR(1) in first differences: z =  -1.16  Pr > z =  0.246
Arellano-Bond test for AR(2) in first differences: z =  -1.21  Pr > z =  0.226
------------------------------------------------------------------------------
Sargan test of overid. restrictions: chi2(41)   =  86.67  Prob > chi2 =  0.000
  (Not robust, but not weakened by many instruments.)
Hansen test of overid. restrictions: chi2(41)   =  14.24  Prob > chi2 =  1.000
  (Robust, but can be weakened by many instruments.)

Difference-in-Hansen tests of exogeneity of instrument subsets:
  GMM instruments for levels
    Hansen test excluding group:     chi2(38)   =  13.90  Prob > chi2 =  1.000
    Difference (null H = exogenous): chi2(3)    =   0.34  Prob > chi2 =  0.952
  iv(year)
    Hansen test excluding group:     chi2(40)   =  14.24  Prob > chi2 =  1.000
    Difference (null H = exogenous): chi2(1)    =   0.00  Prob > chi2 =  0.998
菜鸟刚上手，麻烦解释详细点，悬赏60个论坛币，一点心意，谢谢。

你可再试试

1. xtabond2 rroa l.rroa niis ci gdp i.year, gmm(l.rroa L.(ci gdp), lag(1 4) c) iv(year) twostep robust

复制代码

1. 你的 iv 里有 year，所以解释变量加入 i.year 可能较适当！ 2. ci 与 gdp 担心有内生性，请取落后期当作工具变量。3. 考虑试试不同的 lag 组合如 lag (1 .), lag(2 3) 等等，以免有 too many instruments！

黃河泉 发表于 2017-2-26 09:12
你可再试试1. 你的 iv 里有 year，所以解释变量加入 i.year 可能较适当！ 2. ci 与 gdp 担心有内生性，请取 ...

i.year么？还是l.year？

黃河泉 发表于 2017-2-26 09:12
你可再试试1. 你的 iv 里有 year，所以解释变量加入 i.year 可能较适当！ 2. ci 与 gdp 担心有内生性，请取 ...

我把 i 改成了 l 后跑着试了下，工具变量数目明显减少，已经小于组的数量了。但是，niis的p值是 0.895，明显不显著了。检验结果：Arellano-Bond test for AR(1) in first differences: z =  -1.19  Pr > z =  0.232，Sargan test of overid. restrictions: chi2(11)   =  24.13  Prob > chi2 =  0.012，
(Not robust, but not weakened by many instruments.)
Hansen test of overid. restrictions: chi2(11)   =  12.41  Prob > chi2 =  0.334
  (Robust, but can be weakened by many instruments.)

Difference-in-Hansen tests of exogeneity of instrument subsets:
  GMM instruments for levels
    Hansen test excluding group:     chi2(8)    =  10.69  Prob > chi2 =  0.220
    Difference (null H = exogenous): chi2(3)    =   1.72  Prob > chi2 =  0.633
  iv(year)
    Hansen test excluding group:     chi2(10)   =  12.34  Prob > chi2 =  0.263
    Difference (null H = exogenous): chi2(1)    =   0.07  Prob > chi2 =  0.789
这结果能用么？还是说这个关系就是不显著，没有明显的影响？

arieshy 发表于 2017-2-26 12:25
i.year么？还是l.year？

两个是一样的事！

arieshy 发表于 2017-2-26 12:30
我把 i 改成了 l 后跑着试了下，工具变量数目明显减少，已经小于组的数量了。但是，niis的p值是 0.895，明 ...

基本上，我们者要关心的是 AR(2) 之检定不能拒绝（p-value 要大于 10%），同样地，Hansen test of overid. restrictions 也不能拒绝 null hypothesis （p-value 要大于 10%，但是尽量不是 1）。

黃河泉 发表于 2017-2-26 14:53
基本上，我们者要关心的是 AR(2) 之检定不能拒绝（p-value 要大于 10%），同样地，Hansen test of overid ...

谢谢，我按你说的在gmm()中试了不同的lag组合，有好几组都可以降到组数量之下，但是有的估计结果显著，有的估计结果不显著，我应该选哪一个，有选择参考标准么？

arieshy 发表于 2017-2-26 22:00
谢谢，我按你说的在gmm()中试了不同的lag组合，有好几组都可以降到组数量之下，但是有的估计结果显著，有 ...

我常说，计量是一种科学，也是一种艺术！现在是比较偏艺术的部分了！基本上 AR(2)/Hansen 的检定一定要通过（否则别人会认为你的结果有问题），从不同尝试中选取你需要的结果（当然，这一定有 arbitrary 的地方）。

Ｍａｎｙ　ｉｎｓｔｒｕｍｅｎｔｓ　的问题在这很常见，说实话，ｏｖｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｔｅｓｔｓ的检验非常不好，主要有两个原因，第一，使用很多工具的时候，估计偏误项会随着工具变量增大，可能导致检验统计量的偏误，第二，在很多工具变量的时候，其实并不是ｃｈｉ２分布，而是Ｂｅｔａ分布，也就是说其实Ｓｔａｔａ那样做严格上是不对的。检验工具变量有效性可以使用序列相关性检验。同时估计的时候可以采用Ｃｏｌｌａｐｓｅｄ　ｉｎｓｔｒｕｍｅｎｔｓ　ｍａｔｒｉｘ，参见Ｒｏｏｄｍａｎ（２００９）．Ｒｏｏｄｍａｎ还有一篇Ｓｔａｔａ　ＪＯｕｒｎａｌ的论文是关于这个讨论的，他写了个命令在ｓｔａｔａ中。

黄老师真有耐心，赞一个！