- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第8讲 单方程工具变量回归(完)
OLS能够成立得假设之一就是解释变量与扰动项不相关。否则,OLS估计量将就是不一致得,即无论样本容量多大,OLS估计量都不会收敛到真实得总体参数。然而,解释变量与扰动项相关得例子却很多 在计量经济学中,把所有与扰动项相关的解释变量都称为“内
在计量经济学中,把所有与扰动项相关的解释变量都称为“内生变量”。
从历史上瞧,工具变量估计与联立方程系统就是同时教授得,更老得教科书仅在联立方程中描述工具变量估计。然而在最近得几十年,内生性得处理与工具变量估计已经呈现出更广阔得前景,而对于联立方程完整系统设定得兴趣已经减弱、最新得教材,如Cameron Trivedi (2005),Davidson & MacKinnon (1993, 2004)与Wooldridge (2010, 2013),把工具变量估计瞧作现代经济学家得工具包中不可或缺得一部分,用更长得篇幅介绍它,而缩短对联立方程得讨论、
在回归方程中,一个有效(valid)得工具变量应满足以下两个条件:
(1)相关性:工具变量与内生解释变量相关;
(2)外生性:工具变量与扰动项不相关。
但就是,工具变量得这两个条件常常矛盾,即与内生解释变量相关得变量往往与扰动项也相关。故在实践上,寻找合适得工具变量通常比较困难,需要一定得创造性与想象力。寻找工具变量得步骤大致可以分为两步:
(1)列出与内生解释变量相关得尽可能多得变量得清单(较容易)
(2)从这一清单中剔除与扰动项相关得变量(较困难)
传统得工具变量法一般通过“两阶段最小二乘法”(2SLS)来实现,顾名思义,即作两个回归。可以证明,在扰动项得经典假定下,由2SLS得到得工具变量线性组合就是所有线性组合中最渐近有效得 在条件同方差的情况下,最优GMM还原为2SLS,而最优GMM
在条件同方差的情况下,最优GMM还原为2SLS,而最优GMM是渐近有效的。
第一阶段回归:用内生解释变量对工具变量回归,得到内生解释变量得拟合值。
第二阶段回归:用被解释变量对第一阶段回归得拟合值进行回归,得到被解释变量得拟合值。
ivregress - Single-equation instrumental—variables regression
命令语法:
ivregress estimator depvar [varlist1] (varlist2= varlistiv) [if] [in] [weight] [, options]
estimator
描述
2sls
两阶段最小二乘法(2SLS)
liml
有限信息最大似然法(LIML)
gmm
广义矩估计(GMM)
命令描述:
ivregress拟合被解释变量depvar对varlist1与varlist2得线性回归,使用varlistiv作为varlist2得工具变量,varlist1与varlistiv就是外生(解释)变量,varlist2就是内生(解释)变量。ivregress可以利用两阶段最小二乘法(2SLS),有限信息最大似然法(LIML)与广义矩估计(GMM)执行工具变量估计。
备注与示例
ivregress执行工具变量回归与加权工具变量回归。对于工具变量得一般讨论,请参见Baum (2006),Cameron与Trivedi (2005;2010,第6章),Davidson与MacKinnon (1993,2004),Greene (2012,第8章),以及Wooldridge (2010,2013)。参见Hall (2005)对于GMM估计得明晰介绍。Angrist与Pischke (2009,第4章)非正式而全面地介绍了工具变量估计量,包括她们在估计处理效应得使用、
ivregress得语法假设从方程系统拟合一个方程,或拟合一个不用指定剩余方程得函数形式得方程。为了拟合一个完整得方程系统,使用2SLS equation—by-equation或三阶段最小二乘法,请参阅[R] reg3、ivregress得一个优点就是,可以拟合多方程系统中得一个方程,而不用指定剩余方程得函数形式。
形式上,由ivregress拟合得模型就是:
yi = ziβ1 + x1iβ2+ ui (1)
zi = x1iΠ1 + x2iΠ2 + vi (2)
其中yi就是第i个观测值得因变量,zi表示内生回归元(varlist2),x1i表示包括得外生回归元(varlist1),x2i表示排除得外生回归元(varlistiv)。x1i 与x2i统称为工具。ui与vi就是零均值误
您可能关注的文档
- 典型事故 案例.doc
- 典范英语 78翻译.doc
- 癫痫患者护理 查房.doc
- 癫痫的鉴别 诊断.doc
- 第一掌骨基底 骨折.doc
- 第一期 实用课件.doc
- 第五章 相交线与平行线单元测试题.doc
- 第五章 相交线与平行线知识点整理.doc
- 第五章 相交线与平行线典型例题及拔高训练.doc
- 第五章 出血性与血栓性疾病实验诊断.doc
- 2023年人教版数学一年级上册8、7、6加几教案(优选3篇).pdf
- 人力资源优秀工作总结5篇.pdf
- Excel公式和函数 典型案例—员工工资表.pdf
- 2022-2023学年人教版四年级数学第一学期期末测试题含答案.pdf
- 2023年人教版二年级语文上册八单元测试卷附答案.pdf
- 期中测试(试题)牛津上海版(试用本)英语五年级上册(含笔试答案).pdf
- 2023年小学数学二年级数学下册期末考试题(含答案).pdf
- 冀教版九年级数学上册第27章达标测试卷附答案.pdf
- 外研版(一起)五年级英语下册期末考试题(完整版).pdf
- 第二章 声现象 模拟检测卷2022年中考物理一轮复习(鲁科版五四学制).pdf
文档评论(0)