请教：关于内生性问题

相似文件 换一批

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

连老师，正在学习高级版视频中面板数据部分。
在实际操作中有几个问题想请教您。
我构建的模型如下图所示，
问题1：其中H2为H的平方，我检测H的内生性，如果H存在内生性的话，那H2必然也同样存在内生性。请问我用xtivreg这句命令该如何编写呢？
            我目前写的是这句：xtivreg reva h2 rda inv lna indu (h=l.lna l.inv),fe   如果不正确的话应该如何改正？
问题2：我的数据时2007~2009三年的数据，如果按照我上面所写h=L.lna那么，2007的H无2006的Lna数据与其对应，我需要加入2006年Lna的数据么？
问题3：我所做的模型，目的是检验公司绩效与股权结果内生性的研究，我个人认为，被解释变量公司绩效REVA，与股权结构H实际上也存在互相影响关系，我可以
            将REVA也设为工具变量吗？将命令写为：xtivreg reva h2 rda inv lna indu (h=l.lna l.inv l.reva),fe
问题4：什么时候情况下，用fe,什么情况用re？也是通过Hausman检验去判定吗？
问题5：xtoverid这个命令是不是这能跟在RE估计后才能使用？我在FE后面使用都显示
                o. operator not allowed
               r(101);
问题6：如果采用HAUSMAN-TAYLER进行内生性的估计，是不是就不需要进行是否存在内生性的检验判定？


不好意思，攒了不少问题，一口气问了。
多谢您的教导

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8 回帖

关键词：内生性问题 内生性 性问题 Hausman检验 operator 请教 性问题 内生

solor1211 发表于 2010-7-9 13:38
连老师，正在学习高级版视频中面板数据部分。
在实际操作中有几个问题想请教您。
我构建的模型如下图所示，
问题1：其中H2为H的平方，我检测H的内生性，如果H存在内生性的话，那H2必然也同样存在内生性。请问我用xtivreg这句命令该如何编写呢？
            我目前写的是这句：xtivreg reva h2 rda inv lna indu (h=l.lna l.inv),fe   如果不正确的话应该如何改正？

A: xtivreg reva rda inv lna indu (h h2=l.lna l.inv), fe  


问题2：我的数据时2007~2009三年的数据，如果按照我上面所写h=L.lna那么，2007的H无2006的Lna数据与其对应，我需要加入2006年Lna的数据么？
A: 估计过程中，实际用到的样本是 2008-2009. 如果你加入 2006年的数据，则估计样本为2007-2009。


问题3：我所做的模型，目的是检验公司绩效与股权结果内生性的研究，我个人认为，被解释变量公司绩效REVA，与股权结构H实际上也存在互相影响关系，我可以将REVA也设为工具变量吗？将命令写为：xtivreg reva h2 rda inv lna indu (h=l.lna l.inv l.reva),fe
A: 我认为不可以，如果使用联立方程组就可以。


问题4：什么时候情况下，用fe,什么情况用re？也是通过Hausman检验去判定吗？
A: 是的。


问题5：xtoverid这个命令是不是这能跟在RE估计后才能使用？我在FE后面使用都显示
                o. operator not allowed
               r(101);
A: 请把执行该命令之前的那一条命令列出来。

问题6：如果采用HAUSMAN-TAYLER进行内生性的估计，是不是就不需要进行是否存在内生性的检验判定？
A: 采用Hausman检验即可确认是否存在内生性问题，如果Hausman检验拒绝了原假设，你可以使用 HT.

不好意思，攒了不少问题，一口气问了。
多谢您的教导

谢谢老师的指导。
还有一个问题，我的面板数据为多N少T型，截面长，周期短。
可以用您视频教学中的联立方程进行估计吗？
因为我看视频中，您曾经提到那个方法通常是用于多T少N型数据！
谢谢

你可以先采用 xtdata 命令对原始数据进行 FE 或 RE 转换，然后在使用 reg3 命令完成联立方程组模型的估计。

请问关于多N少T型面板数据联立方程这部分内容在视频的哪一章节？
就是老师您刚提到的XTDATA转化，然后REG3这部分内容具体要看那些呢！？

还想再请教一下，看了视频关于面板数据内生性的那一部分，内生性不是分为两类吗？
第一类可以用Davidson-MacKinnon (1932)检验法和Hausman-Wu检验法，那第二类应该用什么检验法呢？
或者这个检验法就是针对所有的内生性都适用？

关于上面第六个问题：您提到先用Hausman检验是否存在内生性，整个检验思路是这样吗？
第一步，XTIVREG这条命进行估计,然后储存。
第二步，XTREG这条命令进行估计，然后存储结果。
第三步，对上述两个结果比对，看是否拒绝原假设。
第四步，如果存在内生性则使用HT方法进行估计？

另外，XTIVREG2这条命令是否后面一定要跟FE,而且我使用这条命令经常SARGEN检验直接得出0的结果，也没有卡方统计量。请问这是什么原因呢！？

有时候会发现用dmexogxt和用hausman检验的结果会出现不一致,请问要如何解决和取舍？

hausman检验是对无工具变量的固定效应模型估计结果和有工具变量的固定效应模型估计结果进行检验，但如果经过检验，发现面板数据只能采用随机效应模型，那该如何进行内生性的检验呢？是否转为对无工具变量的随机效应模型估计和有工具变量的随机效应模型进行检验呢？


用固定效应模型为啥R-SQ的值好像都不高，请问老师，这个是什么原因呢？在论文中如果有人提问应该如何解答才比较合理？呵呵

谢谢您的指导

solor1211 发表于 2010-7-11 11:13
A: 这次的问题可真不少呀，呵呵。

请问关于多N少T型面板数据联立方程这部分内容在视频的哪一章节？
A: 这部分内容在现有的高级视频中并未涉及。

就是老师您刚提到的XTDATA转化，然后REG3这部分内容具体要看那些呢！？
A: 我在视频中讲解了 xtdata 命令，至于 reg3 命令则未涉及，请参考stata的帮助文件和说明书中的范例。

还想再请教一下，看了视频关于面板数据内生性的那一部分，内生性不是分为两类吗？
第一类可以用Davidson-MacKinnon (1932)检验法和Hausman-Wu检验法，那第二类应该用什么检验法呢？
或者这个检验法就是针对所有的内生性都适用？
A: 第二类在 B7_Panel_05_IV-GMM 中有所讲解，用 xtoverid 命令。

关于上面第六个问题：您提到先用Hausman检验是否存在内生性，整个检验思路是这样吗？
第一步，XTIVREG这条命进行估计,然后储存。
第二步，XTREG这条命令进行估计，然后存储结果。
第三步，对上述两个结果比对，看是否拒绝原假设。
第四步，如果存在内生性则使用HT方法进行估计？
A:  HAUSMAN-TAYLER 估计量是针对 corr(a_i, x_it) !=0 这类内生性问题的，也就是 RE 无法使用的情形。因此，分别估计 FE 和 RE，进而使用 hausman fe re 命令执行 Hausman 检验即可进行这一检验。

另外，XTIVREG2这条命令是否后面一定要跟FE,而且我使用这条命令经常SARGEN检验直接得出0的结果，也没有卡方统计量。请问这是什么原因呢！？
A:  帮助中说明的很清楚。xtivreg2 可以使用 FE 或 FD 去除个体效应，因此，至于个体效应是固定效应还是随机效应并不重要，都被去除了。至于你提到“SARGEN检验直接得出0的结果”，我不知是 Sargan 统计量本身为零，还是相应的 p 值为零，二者是有本质区别的。

有时候会发现用dmexogxt和用hausman检验的结果会出现不一致,请问要如何解决和取舍？
A:  这很可能，因为二者的原理存在差异。文献中并未对二者的优劣做出比较。因此，我认为，若 Hausman 检验失效（检验统计量为负值），则使用dmexogxt，否则仍以Hausman检验为主，这也是文献中应用最为广泛的统计量。

hausman检验是对无工具变量的固定效应模型估计结果和有工具变量的固定效应模型估计结果进行检验，但如果经过检验，发现面板数据只能采用随机效应模型，那该如何进行内生性的检验呢？是否转为对无工具变量的随机效应模型估计和有工具变量的随机效应模型进行检验呢？
A:  或许没必要把问题搞得这么复杂，呵呵。如果一定要检验 RE 模型中是否存在内生性问题（即 Corr(x_it, u_it)!=0），可使用 xtoverid 命令，详情请参阅其帮助文件。


用固定效应模型为啥R-SQ的值好像都不高，请问老师，这个是什么原因呢？在论文中如果有人提问应该如何解答才比较合理？呵呵
A: 不知你所谓的“R-SQ值不高”是什么意思？对于面板模型而言，R2在很多情况下并不是一个好的评估模型优劣的指标，不要太迷恋她。

谢谢您的指导