Oprobit与CMP回归结果相反是怎么回事

因变量Y和内生自变量Z都属于离散型变量，其中因变量Y为定序变量，内生自变量Z为0,1二分变量，C为工具变量。根据文献，基于连续变量的两阶段回归等工具变量法不合适，故分别采用Bioprobit和CMP 方法。具体步骤先是用OLS和Oprobit分别跑了一下，然后再用CMP做：

（1） OLS回归：reg Y Z x1 x2 x3 x4

（2） Oprobit回归: oprobit(Y Z x1 x2 x3 x4)

（3）Bioprobit回归：bioprobit(Z=C x1 x2 x3 x4)(Y=Z x1 x2 x3 x4)

（4）CMP: cmp(Y=Z x1 x2 x3 x4)(Z=C x1 x2 x3 x4), ind($cmp_oprobit $cmp_probit) tech(dfp) nolr quietly robus

OLS和Oprobit结果显示，Y与Z显著正相关；Bioprobit和CMP回归结果显示，Y与Z显著负相关，且Z与C显著负相关。现实中Y对Z正向影响才符合逻辑，不知道问题出在哪了？请哪位高手帮忙分析原因，不胜感激！！

jingleqq 发表于 2020-2-5 20:17
因变量Y和内生自变量Z都属于离散型变量，其中因变量Y为定序变量，内生自变量Z为0,1二分变量，C为工具变量 ...

楼主请教，你知道怎么用cmp给biprobit 引入工具变量吗，代码是什么，或者你做bioprobit的工具变量回归怎么做的，非常感谢！

13262792318 发表于 2020-3-23 13:02
楼主请教，你知道怎么用cmp给biprobit 引入工具变量吗，代码是什么，或者你做bioprobit的工具变量回归怎么 ...

他写了啊，z内生，c工具

双变量probit得有两个y，你只有一个y啊…

由于当时眼拙没有看清，上条评论说错了，还请见谅。
我最近也在做cmp，分享一下我的观点。
如果楼主的y是排序数据的话，直接用oprobit或ologit就可以，一般排序是不适合用ols的。
至于楼主提出的疑问，我个人的理解是bioprobit和cmp一般是用于分析模型内生性的，模型的机理和排序模型不一样，符号相反也是正常的，你更应该关注的是对模型内生性有用的那几个值。

嘿，这波是我的，我解决过这个问题，嗯，刚刚
1.更换工具变量
CMP的结果可能因为过度拟合和共线性导致结果相反，按照内生性的逻辑，这个时候你要采用内生性的结果的，但过拟合的结果很明显是不能用的，所以只能更换工具变量，我建议你在用这个的时候，尽量参考前人的做法，前人之所以采用某个工具变量不是没有原因的QAQ
2.更换控制变量，通过参考文献，重新修正自己的控制变量，控制变量会产生遮掩效应【应该是这么说】，按照学术邪典的说法就是，通过不断的修改和更换控制变量，你也可以实现从负的改成正的，很废时间，但也是有效和符合学术规范的

请问楼主cmp运行后的导出代码是什么？我想做解决完内生性后的边际效应代码是什么？感谢！！期待您的回复