系统GMM回归的Sargen和Hansen检验总是不通过怎么办？

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

我有面板数据，2000个个体，时间为9年，非平衡面板数据。用xtabond2做系统GMM，但是sargen和hansen的P值为0.000。 需要怎么调整呀？我的命令如下：
xtabond2 HIGH L.HIGH capital_inflow_ratio Herd Herd2 corp_size corp_leverage corp_ebit foreign_holding
> rd_ratio corp_cash_inflow_beginning _Iyear* if year>2009,gmm(L.HIGH) iv(capital_inflow_ratio Herd Herd2 corp_size
> corp_leverage corp_ebit foreign_holding rd_ratio corp_cash_inflow_beginning _Iyear*) r nomata


结果如下：

我尝试了加入L2.HIGH， 或者加入其他自变量的一阶或二阶滞后（他们都放入IV（）中作为外生变量处理的）。Hansen P值稳稳的落在0.
我暂时把所有外生变量去掉，只保留因变量HIGH的各个滞后阶数，hansen还是不通过检验。
各位大佬，需要如何调整，才能通过Hansen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6 回帖

可增加滞后阶数试试？类似gmm(HIGH,lag(3 5))，我也在摸索中不是特别懂

Erruer 发表于 2020-5-3 18:14
可增加滞后阶数试试？类似gmm(HIGH,lag(3 5))，我也在摸索中不是特别懂

我是考虑到Yt 具有延续性，所以在方程右边放入因变量的滞后项。 当然，因为直接用FE回归肯定不对，所以我想到SYS-GMM。 我只是为了解决Yt-1的估计问题，怎么就这么难呢。
难道是模型设置有问题？ 比如，有些变量是内生的却当作了外生？ 有遗漏的变量？ 大侠们，帮帮我

调整工具变量滞后阶数或者调整工具变量

317792209 发表于 2020-5-3 20:07
调整工具变量滞后阶数或者调整工具变量

SYS-GMM是否适用于非平衡面板数据？
我把所有的自变量都删除，只做AR， sargan也通不过。
或者只做一个自变量， 回归系数显著，但是还是通不过sargan。
怎么会这样呢？

uglyljr 发表于 2020-5-4 00:49
SYS-GMM是否适用于非平衡面板数据？
我把所有的自变量都删除，只做AR， sargan也通不过。
或者只做一个 ...

你首先要明确，你的主题是否适合用动态面板。非平衡面板数据应该是没有问题的。

Sea.Zeng 发表于 2020-5-4 10:06
你首先要明确，你的主题是否适合用动态面板。非平衡面板数据应该是没有问题的。

我的Y是产业结构如产值增加值，这个肯定是具有连续性的。方程右边放入Y(t-1)是可行的。

我今天尝试用xtivreg2，内生变量只有Y(t-1), 用[Y(t-2) Y(t-3) Y(t-4)]三个滞后项作工具变量，命令为
xtivreg2 y x1 x2 x3 (L.y=L2.y L3.y L4.y), fe
提示：Warning - singleton groups detected.  221 observation(s) not used. 随后给出了估计结果。
接着我加入gmm选项，用命令：xtivreg2 y x1 x2 x3 (L.y=L2.y L3.y L4.y), gmm fe
结果出不来，红色字体提示错误“estimates post: matrix has missing values”
我在想SYS-GMM一直无法通过sargan检验，是不是跟这个提示有关？
哪位老师能解解惑啊！！！

317792209 发表于 2020-5-3 20:07
调整工具变量滞后阶数或者调整工具变量

我的Y是产业结构如产值增加值，这个肯定是具有连续性的。方程右边放入Y(t-1)是可行的。

我今天尝试用xtivreg2，内生变量只有Y(t-1), 用[Y(t-2) Y(t-3) Y(t-4)]三个滞后项作工具变量，命令为
xtivreg2 y x1 x2 x3 (L.y=L2.y L3.y L4.y), fe robust [能否用这个命令替代SYS-GMM？？]
提示：Warning - singleton groups detected.  221 observation(s) not used. 随后给出了估计结果。
Warning - singleton groups detected.  221 observation(s) not used.

FIXED EFFECTS ESTIMATION
------------------------
Number of groups =      1909                    Obs per group: min =         2
                                                               avg =       4.9
                                                               max =         8

IV (2SLS) estimation
--------------------

Estimates efficient for homoskedasticity only
Statistics robust to heteroskedasticity

                                                      Number of obs =     9343
                                                      F( 11,  7423) =     0.80
                                                      Prob > F      =   0.6358
Total (centered) SS     =  8.44510e+24                Centered R2   =   0.0283
Total (uncentered) SS   =  8.44510e+24                Uncentered R2 =   0.0283
Residual SS             =  8.20596e+24                Root MSE      =  3.3e+10

------------------------------------------------------------------------------------
                   |               Robust
              HIGH |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------------+----------------------------------------------------------------
              HIGH |
                 L1. |  -.0187245   .1608527    -0.12   0.907      -.33399     .296541
                      |
              Herd |          0  (omitted)
             Herd2 |   52574.57   39742.37     1.32   0.186    -25319.04    130468.2
capital_inflow_ |          0  (omitted)
        corp_size |          0  (omitted)
     corp_levera |          0  (omitted)
       corp_groh |          0  (omitted)
         corp_ebi |          0  (omitted)
          rd_ratio |          0  (omitted)
        corp_sala |   6.658666   14.19028     0.47   0.639    -21.15377     34.4711
          sudsidcs |  -2.818873   1.294879    -2.18   0.029    -5.356789   -.2809576
------------------------------------------------------------------------------------
Underidentification test (Kleibergen-Paap rk LM statistic):              3.066
                                                           Chi-sq(3) P-val =    0.3815
------------------------------------------------------------------------------
Weak identification test (Cragg-Donald Wald F statistic):              390.174
                         (Kleibergen-Paap rk Wald F statistic):          1.580
Stock-Yogo weak ID test critical values:  5% maximal IV relative bias    13.91
                                         10% maximal IV relative bias     9.08
                                         20% maximal IV relative bias     6.46
                                         30% maximal IV relative bias     5.39
                                         10% maximal IV size             22.30
                                         15% maximal IV size             12.83
                                         20% maximal IV size              9.54
                                         25% maximal IV size              7.80
Source: Stock-Yogo (2005).  Reproduced by permission.
NB: Critical values are for Cragg-Donald F statistic and i.i.d. errors.
------------------------------------------------------------------------------
Hansen J statistic (overidentification test of all instruments):         1.338
                                                   Chi-sq(2) P-val =    0.5121
------------------------------------------------------------------------------
Instrumented:         L.HIGH
Included instruments: Herd Herd2 capital_inflow_ratio corp_size corp_leverage
                      corp_growth corp_ebit rd_ratio corp_salary subsidys
Excluded instruments: L2.HIGH L3.HIGH L4.HIGH
------------------------------------------------------------------------------

接着我加入gmm选项，用命令：xtivreg2 y x1 x2 x3 (L.y=L2.y L3.y L4.y), gmm fe
结果出不来，红色字体提示错误“estimates post: matrix has missing values”
我在想SYS-GMM一直无法通过sargan检验，是不是跟这个提示有关？
老师解解惑啊！！！跪求

uglyljr 发表于 2020-5-4 13:10
我的Y是产业结构如产值增加值，这个肯定是具有连续性的。方程右边放入Y(t-1)是可行的。

我今天尝试用x ...

你的工具变量相关性严重不足，结果不可靠。Kleibergen-Paap rk Wald F统计量只有1.580。至于你前面所说的过度识别检验通不过，说明的是至少有一个工具变量的外生性不满足，跟那个提示没有关系。

thanks