Stata：高度共线性情况下的IV估计-pariv

全文阅读：Stata：高度共线性情况下的IV估计-pariv| 连享会主页

目录

• 1. 引言
• 2. 2SLS 估计方法
  • 2.1 经典的 2SLS 估计方法
  • 2.2 高度共线性下稳健的 2SLS 估计方法
• 3. Stata 实操
• 4. 相关推文

---

 

 

1. 引言

在 Stata 的应用过程中，研究者常常依赖程序对变量间的共线性进行筛选与剔除。但 Stata 程序在进行共线性识别时存在所谓“识别范围”，即有可能存在一些程序看来“不足为虑”的共线性问题，但却足以影响到参数估计的精确性。

当变量间存在高度共线性时，参数估计程序中矩阵运算的浮点数进位差会被放大，造成参数估计结果对一些与实际经济无关的因素敏感 (比如变量顺序或数据顺序)。这一情况在两阶段最小二乘法 (2SLS) 的估计中更为明显，因为 Stata 相关程序进行运算时，并没有严格地假设矩阵逆运算之后与原矩阵的内积为精确的单位阵。

据此，本推文介绍了 Young (2022) 所提出的，适用于高度共线性下的稳健 2SLS 估计方法，以及其在 Stata 内的实现代码与过程。

全文阅读：Stata：高度共线性情况下的IV估计-pariv| 连享会主页