Stata:ivreg2和xtivreg2到底有啥区别

ivreg2和xtivreg2到底有啥区别icon-default.png?t=LA92https://www.cnblogs.com/celine227/p/14850207.html

1. xtivreg2

实现了具有可能的内源性回归的固定效应和一阶差分面板数据模型的IV / GMM估计

是一个适当地调用-ivreg2-转换数据的程序来做估计。因此,被称为-ivreg2-的“包装器”。

2. ivreg2 和 xtivreg2 之间的差异,与reg 和 xtreg 之间的差异大体类似。

我们知道,OLS加入虚拟变量(LSDV)等价于FE模型。运行以下命令

ivreg2 ... i.Year i.ID
xtivreg ... i.Year,fe

你会惊喜地发现——Wow,估计量完全一致!从报告结果的角度考虑,当然是选择xtivreg2啦!一个命令直接报告工具变量的3个假设检验统计量!多么优秀!

但是xtivreg2竟然不报告常数项

xtivreg2只能用于固定效应和差分。因此不能汇报常数项。但我们可以利用xtivreg查看常数项。

3. xtivreg2适用于以下的两种情况

A. 差分

如果  yit = Xit b + Wi c + uit
然后  yi(t-1)= Xi(t-1)b + Wi c + ui(t-1)
和     yit-yi(t-1)= Xit b-Xi(t-1)b +
这通过-fd-选项在-xtivreg2-上估计。
B.  固定效应
也是如果      yit = Xit b + Wi c + uit
然后             Es(yis)= Es(Xis)b + Wi c + Es(uis)
其中Es是所有t的平均值, yit-Es(yis)= Xit b-Es(Xis)b + uit-Es(uis)
这通过-fe-选项在-xtivreg2-上估计。
注意这适用,即使你不遵守Wi并且不能估计c,所以你可以通过使用-xtivreg2-消除另一个偏见的来源。

ivreg2允许有时间效应(即适用于混合面板),而xtivreg2只能做固定效应,不能添加时间的固定效应,此时建议使用xtivreg

xtset id year
xtivreg2 ys k (n=l2.n l3.n), fe first savefp(first)
outreg2 [first second] using xxx.doc, tstat bdec(3) tdec(2) replace

ivreg2为线性回归模型,实现了一系列单方程估计方法:OLS,工具变量(IV,也称为两阶段最小二乘法,2SLS),广义矩(GMM)方法,有限信息最大似然 LIML)和k类估计量。
4. ivreg2是Stata官方ivregress的替代品。

其特点包括:两步可行GMM估计(gmm2s选项)和连续更新的GMM估计(提示选项);

LIML和k类估计;过度识别和欠认定检验统计自动输出;

工具子集异质性的C统计检验(orthog()选项);

内生回归的内生性测试(endog()选项);

仪器冗余测试(冗余()选项);

用户指定的内核(内核()选项)选择基于内核的自相关一致性(AC)和异方差和自相关一致性(HAC)标准误差和协方差估计(bw两级簇鲁棒标准误差和统计;默认报告大样本统计(z和卡方而不是t和F);

小选项报告小样本统计;第一阶段回归报告有各种测试和统计鉴定和仪器相关性; first选项只报告这些识别统计信息,而不是第一阶段回归结果本身。 ivreg2也可以用于使用与官方回归和newey相同的命令语法的普通最小平方(OLS)估计。

ivreg2报告的标准误差和测试统计可以使得与i.i.d假设的各种违反一致。 错误。 当这些选项与gmm2s或cue选项(见下文)组合时,所报告的参数估计器在存在相同违反i.i.d的情况下也是高效的。

sysuse auto,clear
ivreg2 mpg weight (length=displacement),first savefp(first)    //mpg是被解释变量,weight外生变量,length是内生变量,displacement是工具变量
outreg2 [first second] using xxx.doc, tstat bdec(3) tdec(2) replace

ivregress2

ivregress2 2sls mpg weight (length=displacement),first
outreg2 [first second] using xxx.doc, tstat bdec(3) tdec(2) replace
  • 2
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值