工具变量检验问题

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

近期一直在梳理工具变量检验问题，感觉一直在用这些命令，可是一直都很乱，看结果看的稀里糊涂。为了更好的纠正检验工具变量的过程，特将检验工具变量的命令整理如下，整理过程中存在部分疑虑和不确定地方，希望大家可以共同学习和纠偏。      存在的疑惑希望解答：
     1、在利用ivreg2时，出现Stock-Yogo weak ID test critical values: <not available>是怎么回事？这样就无法将Cragg-Donald Wald F statistic与Stock-Yogo weak ID test critical values这个值进行对比了，还是只需要看Cragg-Donald Wald F statistic的F值大于10就好？
     2、为什么在利用ivreg2时，有时候结果出现Sargan statistic，有时候出现Hansen J statistic呢？这两个检验显示的结果，如：Hansen J statistic (overidentification test of all instruments): 0.000，是不是就表明工具变量无效？
   工具变量检验方法整理如下：
     首先，进行hausman test，检验所有变量是否均为外生变量，H0：所有解释变量外生；P=0拒绝原假设     其次，如果工具变量个数>内生变量，则进行过度识别。
               命令使用：利用estat overied进行验证。
               结果判断： sargan test：H0:工具变量有效。
     最后，弱工具变量检验：
              方法1：偏R2
              方法2：一阶段回归时，看F值，F>10拒绝存在“弱工具变量”的原假设
              使用命令：estate firststage,all forcenonrobust（针对方法1和方法2）
              结果判断：shea's partial R2的P=0、一阶段回归F>10
              方法3：Cragg-Donald Wald F统计量，这里又说这个值>10即可，也有人说要大于Stock-Yogo weak ID test critical values在10%的水平，拒绝原假设，H0：存在弱工具变量。
              方法4：Kleibergen-Paap rk LM statistic F值很大，P=0拒绝原假设。
              使用命令：利用ivreg2
           （补充弱工具变量的含义：两阶段最小二乘中，第一阶段回归是利用OLS建立每个内生变量关于工具变量和外生变量的回归，得到x_hat；第二阶段回归则利用x_hat来取代x，由此得到bei ta。弱工具变量则是cov(zi,xi)约等于0，即工具变量计划不能解释x的变动。）

      以上为检验工具变量的基本方法。当工具变量个数=内生变量时，无法进行过度识别，当工具变量个数>内生变量时，进行过度识别检验。

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55 回帖

关键词：工具变量检验；2sls；内生性

你好，你的问题解决了吗？我的也出现Hansen J statistic (overidentification test of all instruments): 0.000，不知道是什么意思

qeileen 发表于 2019-9-25 17:59
你好，你的问题解决了吗？我的也出现Hansen J statistic (overidentification test of all instruments): 0 ...

你好，我碰到和你一样的问题，你现在知道它代表了什么意思吗？

18214943427 发表于 2020-2-3 19:15
你好，我碰到和你一样的问题，你现在知道它代表了什么意思吗？

Hansen J统计量直接等于0，说明是恰好识别，即工具变量个数等于内生变量个数。在这种情况下，过度识别检验是不可用的（过度识别检验只能在工具变量多于内生变量时才可用，且有效工具变量的个数至少要等于内生变量个数）。
至于Sargan统计量和Hansen J统计量的区别，主要在于：
1. 在普通标准误下，两阶段最小二乘法（2SLS）的过度识别检验用的是Sargan统计量；有限信息极大似然法（LIML）的过度识别检验用的是Anderson-Rubin卡方统计量；广义矩法（GMM）用的是Hansen J统计量；
2. 在稳健标准误下，三个方法的过度识别检验用的都是Hansen J统计量。
以上三个统计量的假设检验方法是一样的。

Sea.Zeng 发表于 2020-2-3 20:29
Hansen J统计量直接等于0，说明是恰好识别，即工具变量个数等于内生变量个数。在这种情况下，过度识别检 ...

我明白了，非常感谢

求问楼主，问题一时如何解决的呢？

Sea.Zeng 发表于 2020-2-3 20:29
Hansen J统计量直接等于0，说明是恰好识别，即工具变量个数等于内生变量个数。在这种情况下，过度识别检 ...

求问您知道问题一该如何解决吗？

Winifred233 发表于 2020-5-5 20:12
求问您知道问题一该如何解决吗？

Cragg-Donald Wald F statistic不适用于异方差情况。建议用稳健标准误，看Kleibergen-Paap rk Wald F统计量是否大于10。至于那些临界值没有，问题不大。

Sea.Zeng 发表于 2020-5-5 20:22
Cragg-Donald Wald F statistic不适用于异方差情况。建议用稳健标准误，看Kleibergen-Paap rk Wald F统计 ...

非常感谢！确实加上r就可以了。

Sea.Zeng 发表于 2020-5-5 20:22
Cragg-Donald Wald F statistic不适用于异方差情况。建议用稳健标准误，看Kleibergen-Paap rk Wald F统计 ...

麻烦再问您一下，Hansen J statistic 的取值范围为多少时，才说明工具变量较为有效呢？