stata学习笔记|内生性

内生性的问题通常由以下三个原因产生：

• 遗漏重要的解释变量，虽然也可加入被解释变量的滞后项，但结果可能不精准而产生其他的问题。而可以从其中主要是由于存在自选择和公司异质性的两个问题入手，对于自选择可以选择Heckman两阶段检验，而对于异质性则可以采取公司固定效应。但需要注意公司固定效应只能控制公司随时间不变的变量，却不能控制动态变化的变量。
• 变量之间实际上是属于联立方程、互相影响的关系，不是单纯的因果关系，可采取工具变量法解决。
• 测量误差，也可采取工具变量法。

为什么采用工具变量？

存在内生变量，即解释变量和扰动项相关。

后果：估计量不一致。

工具变量的两大要求：

相关性：工具变量与内生解释变量相关

外生性：工具变量与扰动项不相关（排他性约束）

变量之间互相独立

在stata中怎么用工具变量法？

采用二阶段最小二乘法，第一阶段分离出内生变量的外生部分，第二阶段使用该外生部分进行回归。

工具变量是否合格？

案例：采取陈强老师的grilic.dta

通用2SLS

其中depvar为被解释变量，varlist1为外生解释变量，varlist2表示内生解释变量，inlist表示工具变量。

ivregress 2sls depvar [varlist1] (varlist2=inlist)

过度识别检验：检验工具变量是否为外生 

estat overid 

 原假设：所有工具变量均外生

图中显然看出拒绝原假设

进一步识别哪些变量不外生

其中noninlist表示你认为不符合外生性的变量

ivreg2 depvar [varlist1] (varlist2=inlist),r orthog(noninlist)

 观察不可识别检验（Underidentification test）和C统计量（C statistic）的p值，原假设是为外生变量。

弱工具变量检验：判断是否与内生解释变量强相关

需要在回归以后做该检验，如果stata报错，可能需要再次进行回归

estat firststage,all forcenonrobust

弱工具变量检验的的核心即判断在第一阶段的回归中，工具变量是否能够很好地解释内生解释变量。 首先，观察最上面一行表格中的R、F值（是否超过10）和p值，就像正常的OLS回归一样进行判断。其次，可以进一步观察minimum eigenvalue statistic，将其与下面的沃尔德检验系数表进行对比。

存在弱工具变量的话，如何处理

 当存在弱工具变量的时候，可以通过寻找强工具变量、对弱工具便令不敏感的LIML方法以及去除弱工具变量三大方法。

LIML方法

ivregress liml depvar [varlist1] (varlist2=inlist)

去除弱工具变量（冗余检验）

ivreg2 depvar [varlist1] (varlist2=inlist),r redundant(noninlist)

 在Underidentification 和IV redundancy 两个test中，p值均接近于0，表明强烈拒绝该变量为冗余变量的假设。

豪斯曼检验

 当然，对于存在内生变量的情况下，工具变量法能够有效减少估计的误差，但在不存在内生解释变量的情况下，采用工具变量法将会对估计的精准性产生影响，所以，在进行工具变量法的前提下，必须进行豪斯曼检验，以判断是否存在内生变量。

注意：豪斯曼检验的前提假设是同方差，所以不能采用稳健标准误的方式

qui reg lw iq expr tenure rns smsa

estimates store ols

qui ivregress 2sls lw s expr tenure rns smsa (iq=med kww )

estimates store iv

hausman iv ols,constant sigmamore

 观察最后的p值，拒绝原假设所有的解释变量均外生。

进一步判断哪个变量是内生变量

ivreg2 depvar [varlist1] (varlist2=inlist),r endog(varlist2)

 只需观察Endogeneity test的p值，拒绝其为外生变量的假设。