向连老师紧急求助：系统GMM几个问题

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

尊敬的连老师：您好，我目前正在做论文，拟系统GMM方法进行研究，但由于基础不好，现碰到几个问题，特向您求教：
               1、系统GMM方法一定是应用于解释变量含有被解释变量的动态面板数据方程吗？我糊涂了，系统GMM究竟是专门用与静态面板数据方程还是动态面板数据方程？还是两者都可以用？
      我在阅读张广胜等人（2009）一篇文章时，该文用SYSTEM GMM 方法实证分析FDI 对中国城乡收入不均等程度的直接和间
接影响, 采用面板数据模型建立如下回归方程设定为：

               2、我在观看学习你的视频第七章面板数据的系统GMM内容时，我调出B7_Panel\xtcs.dta的数据，用
xtabond命令能够正常运行，但用xtabond2命令时总是不能正常运行，不知道为何？结果出现unrecognized command: xtabond2




       3、我准备采用1978-2009年全国29省的资本形成、贷款和存款比例进行系统GMM分析，用gdzb代表资本形成，为被解释变量；dep代表存款比例和loan代表贷款比例，为解释变量。


          运用命令：xtabond我2   gdzb l.gdzb  dep loan  gmm(l.gdzb) iv(dep loan )
输出结果如下：
我知道结果是否合理？因为工具变量为466，而观察数为870，我担心工具变量为何这么多？如何完善使工具变量减少，十分渴望连老师帮我解答！谢谢！！


xtabond2   gdzb l.gdzb  dep loan,  gmm(l.gdzb) iv(dep loan )
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.
Dynamic panel-data estimation, one-step system GMM
Group variable: code                            Number of obs      =       870
Time variable : year                            Number of groups   =        29
Number of instruments = 466                     Obs per group: min =        30
Wald chi2(3)  =   1904.49                                      avg =     30.00
Prob > chi2   =     0.000                                      max =        30
gdzb       Coef.   Std. Err.      z    P>z     [95% Conf. Interval]
gdzb
L1.    .7362871   .0208497    35.31   0.000     .6954225    .7771517
dep     .095957   .0437479     2.19   0.028     .0102128    .1817013
loan    .2812582   .0647256     4.35   0.000     .1543984     .408118
_cons   -.6975362   .1899827    -3.67   0.000    -1.069896   -.3251769
Arellano-Bond test for AR(1) in first differences: z = -11.82  Pr > z =  0.000
Arellano-Bond test for AR(2) in first differences: z =  -0.96  Pr > z =  0.339
Sargan test of overid. restrictions: chi2(462)  = 866.33  Prob > chi2 =  0.000
(Not robust, but not weakened by many instruments.)
Difference-in-Sargan tests of exogeneity of instrument subsets:
GMM instruments for levels
Sargan test excluding group:     chi2(433)  = 649.98  Prob > chi2 =  0.000
Difference (null H = exogenous): chi2(29)   = 216.34  Prob > chi2 =  0.000
ivstyle(dep loan)
Sargan test excluding group:     chi2(460)  = 863.52  Prob > chi2 =  0.000
Difference (null H = exogenous): chi2(2)    =   2.81  Prob > chi2 =  0.246
.

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1 收藏7 回帖

关键词：系统GMM 紧急求助 急求助 GMM 连老师 求助 老师 系统 GMM

我在阅读张广胜等人（2009）一篇文章时，该文用SYSTEM GMM 方法实证分析FDI 对中国城乡收入不均等程度的直接和间接影响, 采用面板数据模型建立如下回归方程设定为：
Yit =α0 +β0·FDIit +λ·DIit·Xit + Σj =1βj ·ΣiCjit + Uit
在方程(1) 中, i 为横截面, 表示30 个省、
直辖市和自治区; t 为时期, 代表1989 到2006 年; Uit 是横截面在时期T 的随机
扰动项; Cit代表第i 个省第t 年的其他控制变量,βj 为各控制变量的系数(j , k
= 1 , 2 , 111n) , n 表示控制变量的个数。依据上文的理论分析, 此模型中还加
入了FDI 与中国产业结构、就业结构及外贸依存度的交互项(xit) , 分别考察了
FDI 以及其与这三个变量共同作用下, 对中国城乡收入不均等的影响。
SYSTEM GMM估计结果为解释变量和相关变量交互项的当期值系数值,但没有被解释变量的滞后一期值.令我不理解的是,SYSTEM GMM方法解决的动态面板数据,既然这样,方程中的解释变量应该包括被解释变量的滞后一期值,否则怎么是动态呢?请连老师指导?我的理解错在何处??急盼??谢谢!!!

qlx8808 发表于 2010-4-6 16:40
尊敬的连老师：您好，我目前正在做论文，拟系统GMM方法进行研究，但由于基础不好，现碰到几个问题，特向您求教：
      1、系统GMM方法一定是应用于解释变量含有被解释变量的动态面板数据方程吗？我糊涂了，系统GMM究竟是专门用与静态面板数据方程还是动态面板数据方程？还是两者都可以用？

       A: 在多数情况下，sys-GMM 都用来估计 dynamic panel data model. 事实上，采用该命令也可以估计存在严重内生性问题的静态模型，通过 gmm() 和 iv() 选项来设定工具变量。


      2、我在观看学习你的视频第七章面板数据的系统GMM内容时，我调出B7_Panel\xtcs.dta的数据，用
xtabond命令能够正常运行，但用xtabond2命令时总是不能正常运行，不知道为何？结果出现unrecognized command: xtabond2
       A: 参见 http://www.pinggu.org/bbs/thread-753587-1-1.html
                   http://www.pinggu.org/bbs/thread-639782-1-1.html
                   你在第三个问题中不是正确执行了该命令吗？有点自相矛盾呀，呵呵。


    3、我准备采用1978-2009年全国29省的资本形成、贷款和存款比例进行系统GMM分析，用gdzb代表资本形成，为被解释变量；dep代表存款比例和loan代表贷款比例，为解释变量。
     运用命令：xtabond2  gdzb l.gdzb  dep loan  gmm(l.gdzb) iv(dep loan )
输出结果如下：
我知道结果是否合理？因为工具变量为466，而观察数为870，我担心工具变量为何这么多？如何完善使工具变量减少，十分渴望连老师帮我解答！谢谢！！
       A: 看来你没有认真看 xtabond2 命令的帮助文件。你可以通过 gmm() 选项的子选项 lag() 来控制工具变量的数目，通常滞后 5 期以后的相关性就非常弱了，也就不再是好的工具变量了。例如
       xtabond2 gdzb l.gdzb dep loan, gmm(l.gdzb, lag(2 5)) iv(dep loan )

xtabond2   gdzb l.gdzb  dep loan,  gmm(l.gdzb) iv(dep loan )
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.
Dynamic panel-data estimation, one-step system GMM
Group variable: code                            Number of obs      =       870
Time variable : year                            Number of groups   =        29
Number of instruments = 466                     Obs per group: min =        30
Wald chi2(3)  =   1904.49                                      avg =     30.00
Prob > chi2   =     0.000                                      max =        30
gdzb       Coef.   Std. Err.      z    P>z     [95% Conf. Interval]
gdzb
L1.    .7362871   .0208497    35.31   0.000     .6954225    .7771517
dep     .095957   .0437479     2.19   0.028     .0102128    .1817013
loan    .2812582   .0647256     4.35   0.000     .1543984     .408118
_cons   -.6975362   .1899827    -3.67   0.000    -1.069896   -.3251769
Arellano-Bond test for AR(1) in first differences: z = -11.82  Pr > z =  0.000
Arellano-Bond test for AR(2) in first differences: z =  -0.96  Pr > z =  0.339
Sargan test of overid. restrictions: chi2(462)  = 866.33  Prob > chi2 =  0.000
(Not robust, but not weakened by many instruments.)
Difference-in-Sargan tests of exogeneity of instrument subsets:
GMM instruments for levels
Sargan test excluding group:     chi2(433)  = 649.98  Prob > chi2 =  0.000
Difference (null H = exogenous): chi2(29)   = 216.34  Prob > chi2 =  0.000
ivstyle(dep loan)
Sargan test excluding group:     chi2(460)  = 863.52  Prob > chi2 =  0.000
Difference (null H = exogenous): chi2(2)    =   2.81  Prob > chi2 =  0.246
.

qlx8808 发表于 2010-4-6 17:33
我在阅读张广胜等人（2009）一篇文章时，该文用SYSTEM GMM 方法实证分析FDI 对中国城乡收入不均等程度的直接和间接影响, 采用面板数据模型建立如下回归方程设定为：
Yit =α0 +β0·FDIit +λ·DIit·Xit + Σj =1βj ·ΣiCjit + Uit
在方程(1) 中, i 为横截面, 表示30 个省、
直辖市和自治区; t 为时期, 代表1989 到2006 年; Uit 是横截面在时期T 的随机
扰动项; Cit代表第i 个省第t 年的其他控制变量,βj 为各控制变量的系数(j , k
= 1 , 2 , 111n) , n 表示控制变量的个数。依据上文的理论分析, 此模型中还加
入了FDI 与中国产业结构、就业结构及外贸依存度的交互项(xit) , 分别考察了
FDI 以及其与这三个变量共同作用下, 对中国城乡收入不均等的影响。
SYSTEM GMM估计结果为解释变量和相关变量交互项的当期值系数值,但没有被解释变量的滞后一期值.令我不理解的是,SYSTEM GMM方法解决的动态面板数据,既然这样,方程中的解释变量应该包括被解释变量的滞后一期值,否则怎么是动态呢?请连老师指导?我的理解错在何处??急盼??谢谢!!!

       A: 虽然多数情况下 sys-GMM 都被用于估计动态面板模型，但我们可以推而广之，只要存在内生性问题的Panel都可以用这个方法来估计。内生性变量通过 gmm() 选项来设定，而其它变量则通过 iv() 选项来设定。
   
       我想陈（2009）的这篇文章可能是采用 sys-GMM 处理内生性问题吧。

十分感谢连老师的解答，实际上我这两天边工作边等待您的回复，您的水平太高啦，有了您的回答我做论文踏实多了，我是看到您热情回答大家提的问题而转入学您的STATA行列，原来一点不懂，现在操作渐渐熟悉，感觉STATA功能强大，尤其是对高级计量经济学。总之，谢谢您！
     另有两个小问题：一是ADF检验。我对一个序列进行单位根检验，带趋势项时不平稳，但带趋势项和截距项平稳，这个序列究竟是否平稳？我不明白。二是对一个面板数据分析，能同时用固定模型、随机模型和动态面板的广义距阵估计及系统距阵估计分析比较吗？
           三是是否能够在动态模型的所有被解释变量都用滞后项，且每个被解释变量的滞后项又不相同吗？如何确定这些变量的滞后期呢？

learning.