广义矩估计GMM.pdf

1、广义矩估计（广义矩估计（Generalized Method of Moments，即，即 GMM）一、解释变量内生性检验 首先检验解释变量内生性（解释变量内生性的 Hausman 检验：使用工具变量法的前提是存在内生解释变量。Hausman 检验的原假设为：所有解释变量均为外生变量，如果拒绝，则认为存在内生解释变量，要用 IV；反之，如果接受，则认为不存在内生解释变量，应该使用 OLS。reg ldi lofdi estimates store ols xtivreg ldi(lofdi=l.lofdi ldep lexr)estimates store iv hausman iv ols（

2、在面板数据中使用工具变量，Stata 提供了如下命令来执行 2SLS:xtivreg depvar varlist1(varlist_2=varlist_iv)（选择项可以为 fe，re 等，表示固定效应、随机效应等。详见 help xtivreg）如果存在内生解释变量，则应该选用工具变量，工具变量个数不少于不少于方程中内生解释变量的个数。“恰好识别”时用 2SLS。2SLS 的实质是把内生解释变量分成两部分，即由工具变量所造成的外生的变动部分，以及与扰动项相关的其他部分；然后，把被解释变量对中的这个外生部分进行回归，从而满足 OLS前定变量的要求而得到一致估计量。tptqtp二、异方差与自相

3、关检验 在球型扰动项的假定下，2SLS 是最有效的。但如果扰动项存在异方差或自相关，面板异方差检验：xtgls enc invs exp imp esc mrl,igls panel(het)estimates store hetero xtgls enc invs exp imp esc mrl,igls estimates store homo local df=e(N_g)-1 lrtest hetero homo,df(df)面板自相关：xtserial enc invs exp imp esc mrl 则存在一种更有效的方法，即 GMM。从某种意义上，GMM 之于 2SLS 正如 G

4、LS 之于 OLS。好识别的情况下，GMM 还原为普通的工具变量法；过度识别时传统的矩估计法行不通，只有这时才有必要使用 GMM，过度识别检验（Overidentification Test 或 J Test）：estat overid 三、工具变量效果验证 工具变量：工具变量要求与内生解释变量相关，但又不能与被解释变量的扰动项相关。由于这两个要求常常是矛盾的，故在实践上寻找合适的工具变量常常很困难，需要相当的想象力与创作性。常用滞后变量。需要做的检验：需要做的检验：检验工具变量的有效性：（1）检验工具变量与解释变量的相关性 如果工具变量 z 与内生解释变量完全不相关，则无法使用工具变量法；如

5、果与仅仅微弱地相关，。这种工具变量被称为“弱工具变量弱工具变量”（weak instruments）后果就象样本容量过小。检验弱工具变量的一个经验规则是，如果在第一阶段回归中，F 统计量大于 10，则可不必担心弱工具变量问题。Stata 命令：estat first（显示第一个阶段回归中的统计量）（2）检验工具变量的外生性（接受原假设好接受原假设好）在恰好识别的情况下，无法检验工具变量是否与扰动项相关。在过度识别（工具变量个数内生变量个数）的情况下，则可进行过度识别检验（过度识别检验（Overidentification Test），检验原假设所有工具变量都是外生的。），检验原假设所有工具变量

6、都是外生的。如果拒绝该原假设，则认为至少某个变量不是外生的，即与扰动项相关。0HSargan 统计量，Stata 命令：estat overid 四、GMM 过程 在 Stata 输入以下命令，就可以进行对面板数据面板数据的 GMM 估计。.ssc install ivreg2（安装程序 ivreg2）.ssc install ranktest（安装另外一个在运行 ivreg2 时需要用到的辅助程序 ranktest）.use traffic.dta（打开面板数据）.xtset panelvar timevar（设置面板变量及时间变量）.ivreg2 y x1(x2=z1 z2),gmm2s（进行面板 GMM 估计，其中 2s 指的是 2-step GMM）