stata中差分GMM后的检验

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

请问各位高手，我做完差分GMM后（就是命令xtabond后），结果并没有显示R平方，如果想看用什么命令呢？还有如果想看差分GMM的J-test结果用什么命令呢？test overid不行，是不是有别的？谢谢各位

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13 回帖

关键词：Stata 差分GMM tata GMM XTABOND

estat overid
GMM不需要报告R2，没有意义

谢谢，我当时也是这么做的，然后没执行出来，给您发了一条消息，请帮我看看，谢谢了。

estat sargan
我记错了，不好意思

不过最好用xtabond2， 因为在残差异方差自相关的情况下，sargan统计量不具有一致性，应该看Hansen J统计量

4# vapory

谢谢，我得到如下结果：

. estat sargan
Sargan test of overidentifying restrictions
        H0: overidentifying restrictions are valid
        chi2(20)     =  36.64169
        Prob > chi2  =    0.0129

这个结果是否说明我的GMM工具变量是有效的，你说的xtabond2是什么意思，是平房吗？我要怎么看到Hansen J统计量？谢谢，十分感谢。

原假设是一个联合假设：1）没有过度识别问题；2）工具变量与残差项不相关。 所以，P值为0.0129，说明在5%显著性水平上拒绝了原假设，所以模型可能存在过度识别问题，或者工具变量有内生性（个人认为多半是过度识别，因为动态面板总是产生很多工具变量）。
xtabond2是一个非官方的stata命令，在命令窗口输入 findit xtabond2, 可以下载安装。
去Google scholar中搜索下Roodman的论文“How to Do xtabond2: An Introduction to “Difference” and
“System” GMM in Stata”，上面解释的更详细

好的，谢谢啦

6# vapory

6# vapory

这位亲，我昨完xtabond2后发现了一个非常神奇的事情，想请问一下你。你看，我做的命令和结果，主要看Hansen J-test的数值就可以（红色），居然和我用xtabond做完之后用sargan检验得出的检验数值是一样的（依然是红色），这怎么解释？问题是各个变量的系数没有发生变化，只是显著性变化很多，不理解？？亲，帮我看看吧，谢谢。

. xtabond2 logtotal L.logtotal logincome logtaxshare loggrants logpop if meanpia<0.609,gmmstyle(L.logtotal) ivstyle(log
> income logtaxshare loggrants logpop) nolevel robust small
Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm.
Warning: Two-step estimated covariance matrix of moments is singular.
  Using a generalized inverse to calculate robust weighting matrix for Hansen test.
  Difference-in-Sargan/Hansen statistics may be negative.
Dynamic panel-data estimation, one-step difference GMM
------------------------------------------------------------------------------
Group variable: number                          Number of obs      =       180
Time variable : year                            Number of groups   =        30
Number of instruments = 25                      Obs per group: min =         6
F(5, 30)      =      5.94                                      avg =      6.00
Prob > F      =     0.001                                      max =         6
------------------------------------------------------------------------------
             |               Robust
    logtotal |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    logtotal |
         L1. |   .1901806   .1818343     1.05   0.304    -.1811746    .5615357
   logincome |   .5071367   .2904991     1.75   0.091    -.0861417    1.100415
logtaxshare |  -.0405732   .0359664    -1.13   0.268    -.1140263      .03288
   loggrants |   .0346025   .1506271     0.23   0.820    -.2730191    .3422241
      logpop |  -.7217518   .9117566    -0.79   0.435    -2.583807    1.140304
------------------------------------------------------------------------------
Instruments for first differences equation
  Standard
    D.(logincome logtaxshare loggrants logpop)
  GMM-type (missing=0, separate instruments for each period unless collapsed)
    L(1/.).L.logtotal
------------------------------------------------------------------------------
Arellano-Bond test for AR(1) in first differences: z =  -1.61  Pr > z =  0.108
Arellano-Bond test for AR(2) in first differences: z =   2.63  Pr > z =  0.009
------------------------------------------------------------------------------
Sargan test of overid. restrictions: chi2(20)   =  37.96  Prob > chi2 =  0.009
  (Not robust, but not weakened by many instruments.)
Hansen test of overid. restrictions: chi2(20)   =  24.86  Prob > chi2 =  0.207
  (Robust, but can be weakened by many instruments.)
Difference-in-Hansen tests of exogeneity of instrument subsets:         （另一个问题，下面这个hansen tests这个检验的原假设是什么？）
  iv(logincome logtaxshare loggrants logpop)
    Hansen test excluding group:     chi2(16)   =  19.26  Prob > chi2 =  0.255
    Difference (null H = exogenous): chi2(4)    =   5.60  Prob > chi2 =  0.231

. xtabond logtotal logincome logtaxshare loggrants logpop if meanpia<0.609,lags(1) maxldep(99) twostep
Arellano-Bond dynamic panel-data estimation  Number of obs         =       180
Group variable: number                       Number of groups      =        30
Time variable: year
                                             Obs per group:    min =         6
                                                               avg =         6
                                                               max =         6
Number of instruments =     26               Wald chi2(5)          =    674.53
                                             Prob > chi2           =    0.0000
Two-step results
------------------------------------------------------------------------------
    logtotal |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    logtotal |
         L1. |   .1956033   .0137852    14.19   0.000     .1685848    .2226218
   logincome |   .5233971   .0396806    13.19   0.000     .4456246    .6011696
logtaxshare |  -.0355417   .0078562    -4.52   0.000    -.0509396   -.0201437
   loggrants |   .0554351   .0219997     2.52   0.012     .0123165    .0985536
      logpop |  -.6220344   .2177142    -2.86   0.004    -1.048746   -.1953224
       _cons |    8.32892   2.659303     3.13   0.002     3.116782    13.54106
------------------------------------------------------------------------------
Warning: gmm two-step standard errors are biased; robust standard
         errors are recommended.
Instruments for differenced equation
        GMM-type: L(2/100).logtotal
        Standard: D.logincome D.logtaxshare D.loggrants D.logpop
Instruments for level equation
        Standard: _cons
. estat sargan
Sargan test of overidentifying restrictions
        H0: overidentifying restrictions are valid
        chi2(20)     =  24.86401
        Prob > chi2  =    0.2067

第一，估计的系数大小差不多，说明是因为没有过度识别问题，所以系数本身可以达到一致估计。
第二，xtabond2 没有用two-step，所以计算出的Hansen统计量应该和Sargan统计量差不多的。Roodman的paper上说要得到一致的Hansen统计量需要用twostep，但我不清楚为什么one-step也能计算出来。
第三，twostep本身有低估标准差的可能，而你在xtabond命令中没有加robust，也就没有做Windmeijer调整，所以可能低估了标准差，也就高估了t值。
第四，第一个model里出现Warning: Two-step estimated covariance matrix of moments is singular，有可能是你差分后的模型中出现了共线性。

高手啊，能讲讲什么时候用差分GMM合适呢？