ivreg lnincome2 age agesqr edu train workexpr workexprsqr indus1 indus2 indus3 indus4 indus5 sex gtshare (gift juhuifrqc = frdgov frdqs married1)
. predict e,residual
. reg e age agesqr edu train workexpr workexprsqr indus1 indus2 indus3 indus4
indus5 sex gtshare frdgov frdqs married1
在这里应该获取回归出来的R-squared.
. scalar sargan=(e(N)-16)*e(r2)
. display sargan
.68169887
. * 有3个IV变量,2个被IV的变量
. display chi2tail(3-2,sargan)
.40900234
H0: overidentifying restrictions are valid(我写的这个H0对吗?)
这个HO是不正确的,你应该写all IVs are uncorrelated with e, 用刚才所获取的R-squared,nR-squared 渐进服从于卡方分布,卡方分布的自由度就是IV的个数减去外生变量的个数。如果nR-squared 超过5%的critical value,我们就拒绝原假设,得出至少有一个IV不是外生的结论。
* 过度识别条件下,工具变量外生性成立?
显然上述说法是不成立的,过度识别条件下,也就是说越来越多的工具变量过度约束,只能导致2SLS中参数估计的更大偏差。