(一)pstest命令出现r(2000)错误
在做完PSM后,用pstest来检验匹配结果是否较好地平衡了数据,但是出现r(2000)错误。请教各位老师这个问题该如何解决?
所用Stata命令如下:
psmatch2 POSTAH size lev ROE lossMB1 SALESGROWTH SOE CAPE first PC ind1,outcome(disp1) n(1) ate ties logitcommon noreplacement
pstest, both graph
Stata命令运行结果如下:
--图1----图2--
回答:
r(2000)一般是指no observation r(2000)。出现该错误原因主要是pstest后面没有加进行平衡性检验的变量。正确的命令为:
pstest size lev ROE loss MB1 SALESGROWTH SOE CAPE first PC ind1,both graph
(二)面板数据的弱工具变量问题
1. 很多资料提到“检验弱工具变量的一个经验规则是,如果在第一阶段回归中,F统计量大于10,则可不必担心弱工具变量问题。”如果2SLS第一阶段回归的F值大于10,但是弱工具变量检验不通过,是否仍需考虑弱工具变量的问题?
答:当有多个内生变量的情况下,存在多个第一阶段回归,会有多个F统计量。此时,要用最小特征值统计量进行检验。对只有一个内生解释变量的情况,为了更加严谨,即便是2SLS第一阶段回归的F值大于10,但是弱工具变量检验不通过,就仍需考虑弱工具变量的问题。
2. 有论文提到,使用LIML(信息极大似然估计方法)回归可以解决弱工具变量问题,但我用LIML回归的结果与2SLS结果基本一致,是否在大样本条件下LIML不能解决弱工具变量问题呢?或者是说在大样本条件下,LIML已经不能避免弱工具变量问题引起的偏差?
答:这个理解是对的。在大样本下,LIML与2SLS是渐近等价的。当存在弱工具变量时,LIML的小样本表现要优于2SLS。
3. 采用该工具变量回归后,内生变量回归系数增加了100倍,是由于弱工具变量的问题吗?
答:内生变量回归系数增加了100倍,说明这个工具变量不靠谱。
4. 除了换其他工具变量,老师有其他解决弱工具变量问题的方法或建议吗?
答:寻找更强的工具变量可能是最好的选择。