8 无法识别raid盘_Stata：过度识别检验一文读懂

最新推荐文章于 2024-09-24 18:17:46 发布

米粉双哥

最新推荐文章于 2024-09-24 18:17:46 发布

阅读量4.8k

点赞数

文章标签： 8 无法识别raid盘

本文链接：https://blog.csdn.net/weixin_30278943/article/details/112594207

版权

冀云阳 (广东财经大学，Dufejyy@163.com)
贺旭 (中央财经大学)

? 连享会主页：lianxh.cn

Stata 暑期班：9天直播

? 时间：2020.7.28-8.7
? 嘉宾：连玉君 (中山大学) | 江艇 (中国人民大学)
? 主页：https://gitee.com/arlionn/PX | ? 微信版

「基础不牢，地动山摇……」

Stata 暑期研讨-初级班

7 月 28-30 日 (三天), 网络直播 + 3 天回放

Stata 暑期研讨-高级班

8 月 1-3 日 (三天), 网络直播 + 3 天回放

Stata 暑期研讨-论文班

8 月 5-7 日 (三天), 网络直播 + 3 天回放

Stata 暑期研讨-全程班

7 月 28 日-8 月 7 日, 网络直播 + 9 天回放

? 强大的助教团队

这次暑期课程，我们会组织一个 30 名精英助教团队。其中，15 人为连享会往期课程中的涌现出来的优秀助教，他们有些人已经发表过《经济研究》、《管理世界》等 Top 期刊，有丰富的经验；另外 15 人则将从国内各个高校遴选，由于也是「新手」，会更清楚学员们的痛点所在。这些「助教新人」们会在开课前与「助教老手」以及授课老师们共同工作 1 个月，以便做好准备工作。我们的助教们会分成三个小组，全程为大家提供最全面、细致的答疑服务。在近几期专题课程中，我们都采用了这种「精英助教团队」模式，大大增强了大家的学习效率和自信心，诸多学员也在互动过程中结识了一批优秀的同行，相伴而行。

授课嘉宾

? 连玉君 ，西安交通大学经济学博士，中山大学岭南学院副教授，博士生导师。已在《China Economic Review》、《经济研究》、《管理世界》、《经济学(季刊)》、《金融研究》、《统计研究》等期刊发表论文 60 余篇。目前已完成 Panel VAR、Panel Threshold、Two-tier Stochastic Frontier 等计量模型的 Stata 实现程序，并编写过几十个小程序，如 winsor2, xtbalance, bdiff, ua 等。连玉君老师团队一直积极分享 Stata 应用中的经验，开设了 [连享会-主页]，[连享会-直播间]，[连享会-知乎] 等专栏，并定期在微信公众号 (Stata连享会) 中发布精彩推文。

? 江艇，香港科技大学商学院经济学博士，中国人民大学经济学院副教授，人大国家发展与战略研究院研究员，人大微观数据与实证方法研究中心副主任，美国哥伦比亚大学商学院访问学者。主要研究领域为经济增长与发展、城市经济学、新政治经济学，在 Economics Letters、Review of Development Economics、《经济研究》、《管理世界》、《世界经济》等国内外著名学术刊物上发表多篇论文，曾应邀在多所高校讲授「应用微观计量经济学」短期前沿课程并广受好评。

1. 问题背景
2. 过度识别检验
- 2.1 Sargan 检验
- 2.2 Hansen J 检验
- 2.3 C 统计量
3. 过度识别检验的 Stata 实现
- 3.1 ivreg2 命令
- 3.2 xtbond2 命令
4. 过度识别检验统计量无法计算
- 4.1 原因
- 4.2 解决方法
- 4.3 Stata 实现
参考资料

1. 问题背景

OLS 有一个经典的假设：解释变量与随机误差项不相关，即。如果存在解释变量违背了这个假设，则估计出的参数是有偏的，也是不一致的。

工具变量 (IV) 法为解决「内生解释变量」问题提供了一种可行的方法。为此，我们需要找到满足以下条件的「外生解释变量 ()」：

与内生解释变量相关，即；
与随机误差项不相关，即。

根据「内生解释变量」与「工具变量」间的数量关系，又可以分为以下几种情况：

不可识别 (unidentified)：工具变量数小于内生解释变量数；
恰好识别 (just or exactly indentified)：工具变量数等于内生解释变量数；
过度识别 (overindentified)：工具变量数大于内生解释变量数。

在「恰好识别」的情况下，我们可以估计，而在「过度识别」的情况下，则需要通过两阶段最小二乘法 (Two Stage Least Square，2SLS 或 TSLS) 估计。当然在「恰好识别」的情况下，我们也可以用 2SLS 进行估计。但是，在「不可识别」情况下，以上方法失效。2SLS 主要通过以下两阶段实现：

第一阶段，用内生解释变量对工具变量回归；
第二阶段，用被解释变量对第一阶段回归的拟合值回归。

值得注意， 2SLS 只有在「同方差」的情况下才是最优效率的，而在「过度识别」和「异方差」的情况下，广义矩估计 (Generalized Method of Moments, GMM) 才是最有效率的。关于 GMM 介绍详见：「Stata：GMM 简介及实现范例」和「GMM 简介与 Stata 实现」。

在使用工具变量之前，我们仍需进行若干检验：

解释变量内生性的检验；
弱工具变量检验；
过度识别检验。

在「恰好识别」的情况下，我们无法检验工具变量的外生性，只能进行「定性讨论或依赖专家意见」，详见「IV-估计：工具变量不外生时也可以用！」。因此，我们重点关注「过度识别检验」的方法和在 Stata 中实现。

温馨提示： 文中链接在微信中无法生效。请点击底部

2. 过度识别检验

2.1 Sargan 检验

假设共有个解释变量，其中前个解释变量为外生解释变量，而后个解释变量为内生解释变量：

同时，假设共有个方程外的工具变量，其中。过度识别原假设为：

由于「扰动项」无法观测，故只能通过 2SLS 的残差来考察工具变量与扰动项的相关性。为此，构造以下辅助回归：

则原假设可写为：

记辅助回归的可决系数为，则 Sargan 统计量 (Sargan, 1958) 为：

其中，Sargan 统计量的渐进分布为，其自由度为，即为「方程外工具变量个数」减去「内生解释变量个数」。

Note：本部分内容摘自「陈强等. 计量经济学及 Stata 应用[M]. 高等教育出版社, 2015.」，详见 200 页。

2.2 Hansen J 检验

在「同方差」假设下，2SLS 是最有效率的，而在「过度识别且存在异方差」情况下，GMM 更有效率。

考虑以下原假设：

：所有工具变量都是外生的

其实，这就是检验总体矩条件是否成立：

与总体矩条件对应的样本矩条件为：

将上式看成一个联立方程组，未知参数的维度为，方程个数为个 (工具变量的维度)。若，为不可识别，则有无穷多解；若，为恰好识别，则有唯一解，并等价于矩估计，进而等价于 2SLS；若，为过度识别，无解。

在过度识别的情况下，Hansen (1982) 提出了一种可行的方案：虽然无法找到使得样本矩等于，但总可以让样本矩尽量接近于。为此，可以用「二次型」来衡量它到向量的距离，如：

更一般地，可以用一个「权重矩阵」来构造「二次型」，如：

其中，因子不影响最小化。这是一个无约束的最优化问题，目标函数是的「二次型」函数，故可得到其解析解 (推导方法类似于 OLS)，即 "GMM估计量"。

实际上，GMM 估计量的目标函数就是检验统计量：

其中，为过度识别的个数。此检验统计量称为「Hansen's J 统计量」。

Note：本部分内容摘自「陈强. 高级计量经济学及 Stata 应用[M]. 高等教育出版社, 2014.」，详见 146-150 页。同时，也参考了「工具变量法(四)：GMM」。

2.3 C 统计量

如果过度识别检验拒绝了「所有工具变量都外生」的原假设，则可以怀疑部分工具变量不满足外生性。假设在个工具变量中，已知前个工具变量满足外生性，而怀疑后个工具变量不满足外生性，即要检验原假设。为此，可以分别用个工具变量和个工具变量 (假设能够满足至少恰好识别) 进行 GMM 估计，并分别记相应的统计量和统计量。如果个工具变量不满足外生性条件，则值将会大大增加，进而倾向于拒绝原假设。构造以下统计量：

其中，统计量又称 GMM 距离 (GMM distance) 或 Sargan 差(difference-in-Sargan)，自由度为怀疑工具变量不满足外生性的个数。

Note：本部分内容参考「陈强. 高级计量经济学及 Stata 应用[M]. 高等教育出版社, 2014.」，详见 150、298-299 页。

温馨提示： 文中链接在微信中无法生效。请点击底部