一般2SLS是用于已经确定有内生性变量,而不知道是否有内生性变量时,又想解决潜在的内生性变量问题,可用systemGMM,也就是说,不管有没有内生性解释变量,system GMM都适用。当模型中一些变量是内生变量时,普通面板回归结 果是有偏的,动态面板方法可以消除模型的内生性 偏误,从而得到更加有效的估计结果 。
实际上,动态面板肯定有内生性问题,在动态面板数据模型中,由于经济增长的滞后一期项作为解释变量有可能导致动态项与随机扰动项相关也存在内生性。不仅如此,由于经济增长滞后项的引入,使得影响经济增长的因素存在观测不到的个体效应与解释变量相关,也会因此导致内生性,从而降低计量模型的设定偏误。因此,只要是动态面板,或者这个问题能转化为动态面板问题,都可以用system GMM。
System GMM有以下几个判断标准:
1.过度识别,Hansen检验,H0:IV是联合有效的,因此,不应该显著,也就是p值不应该小于0.1。如果显著,说明拒绝原假设,IV不是联合有效的,但如果p值大于0.25说明IV太多,会让Hansen检验的效果变弱,因此,合适的p值范围时0.1-0.25。 Sargan检验也是检验过度识别,不过一般只汇报Hansen检验结果,不汇报Sargan检验结果。Sargan 统计量并不稳健,但不受工具变量过多的影响,而 Hansen 统计量虽然稳健,但受工具变量过多的影响。
2.扰动项差分自相关。一般允许扰动项的一阶差分存在自相关,也就是AR(1)的p值小于0.1,但不允许扰动项的二阶差分存在自相关,也就