请问一下我要利用工具变数进行panel分析 以下写法是正确的吗

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

                              你好
我有一个联立方程式如下



lqgas=a0+a1lpas+a2lgni+a3lpeople+a4lpublic+a5q1gas+a6lqcar+w


lqcar=b0+b1lpas+b2lgni+b3lpeople+b4lq1car+b5ltcpi+b6sars+z
                              


                                                            请问一下我要利用工具变数进行panel分析
以下写法是正确的吗



xtivreg lqgas lpeople lpublic lgni lq1gas lpas (lqcar = lq1car ltcpi sars), fe first




在First-stage within regression中
显示出其他不在lqcar模型中的变数
可以不理会吗
如下所是
------------------------------------------------------------------------------
       lqcar |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     lpeople |  -.5245888   .1714765    -3.06   0.004    -.8701769   -.1790007
     lpublic |   .5575156   .1475186     3.78   0.000     .2602115    .8548197
        lgni |   .3912403   .0750298     5.21   0.000     .2400277     .542453
      lq1gas |   .0540419   .0410681     1.32   0.195    -.0287253    .1368092
        lpas |   .0158629    .044159     0.36   0.721    -.0731337    .1048594
      lq1car |   .5176418   .0716589     7.22   0.000     .3732229    .6620607
       ltcpi |   .1594665   .2124522     0.75   0.457    -.2687028    .5876358
        sars |   .0238205   .0104244     2.29   0.027     .0028116    .0448295
       _cons |  -1.537833   .6410382    -2.40   0.021     -2.82976    -.245905
-------------+----------------------------------------------------------------
     sigma_u |  1.4427478
     sigma_e |  .01925778
         rho |  .99982186   (fraction of variance due to u_i)
--------------------------------------------------------------------------
请各位帮帮忙 拜托拜托请各位帮帮忙 拜托拜托请各位帮帮忙 拜托拜托

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0 回帖

关键词：Panel pane regression regressio Interval within 方程式 模型

回归命令写法没错，括号内确实是内生变量对工具变量组的回归，一阶段回归结果会包括联立方程模型中的前定变量，关键的是检验所选取的工具变量是否有效，包括是否是强工具变量以及是否过度识别