面板二值选择模型的工具变量法

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

看了之前黄老师回复别人的帖子，目前stata关于面板二值选择模型用工具变量解决内生问题的命令是没有的，参考Carlo教授的回答-ivlogit- or -ivprobit- with clustered standard errors is probably the only way to go，尝试在ivprobit的基础上cluster了id和year，不知道这样是否可以，得出的回归结果是否可用？求大神帮忙解答！
命令：
egen aa= group(ID Year)
ivprobit Y X3 X4 X5 X6 (X1 X2 = Z1 Z2),vce(cluster aa)

Y是01被解释变量，X1、X2是内生解释变量，X3-X6是控制变量

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2 回帖

关键词：工具变量法 选择模型 工具变量 clustered IVprobit

谢谢分享

哪里有ivlogit命令？只有ivprobit嘛

所以这样做真的可以吗？

你使用Stata的`ivprobit`命令并通过cluster调整标准误的方法在理论上是可行的。在面板数据中，工具变量方法可以用来处理潜在的内生性问题，尤其是在二值选择模型（比如logit或probit）中。

你的命令`egen aa= group(ID Year)`生成了一个由个体ID和年份组成的组别变量，然后使用`ivprobit Y X3 X4 X5 X6 (X1 X2 = Z1 Z2), vce(cluster aa)`进行估计。这表示你正在控制一些外生的控制变量（X3-X6），将X1和X2作为内生解释变量，并且使用Z1和Z2作为它们的工具变量。

在`ivprobit`中加上`vce(cluster aa)`选项是为了处理可能存在的群组内相关性问题，这是面板数据常见的特征。通过cluster调整标准误可以确保你的标准误估计是稳健的，即使在不同个体或时间点之间存在一定程度的相关性时也是如此。

因此，只要Z1和Z2是有效的工具变量（即它们满足外生性和相关性的条件），并且模型设定正确，你得到的结果是可以信赖的。但是要注意检查工具变量的检验，比如弱工具变量检验，确保你的工具变量强度足够。同时，使用过多个工具变量时要小心识别问题，可能需要进一步检查过度识别的检验。

总之，在面板数据中应用`ivprobit`并进行cluster标准误调整是一个合理的方法来处理内生性，并得到有效的估计结果。

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