IV估计应用STATA实现.docx

IV（2SLS） 估计应用 STATA 实现数据：grilic.dta变量：lw （工资对数），（受教育年限），age （年龄），e某per（工作经验），tenure （在单位的工作年数）、IQ （智商），mrt （母亲 的受教育年限），kww （在\ofWork\测试中的成绩），mrt （婚姻虚拟变量, 已婚=1） ， rn （美国南方虚拟变量，住在南方=1） ， ma （大城市虚拟变量 住在大城市=1）IV 估计的步骤：（一）做普通最小二乘法 OLS 估计，看看是否存在回归结果的不可靠 性，然后初始怀疑存在内生性问题具体细分两步：打开数据文件uegrilic.dta,clear简单描述性统计分析um简单双变量相关分析，Pearon相关分析，怀疑遗漏变量iq，考察智 商与受教育年限的相关关系corriq1、做一个参照系方程，即不含所怀疑的内生变量的方程进行OLS回 归作为一个参照系，先进行OLS回归，并使用稳健标准误，其中参数r 是稳健推断（Robutlnference,文献中也用HC，HeterogeneityConitency），用于解决异方差问题（White,1982） reglwe 某 prtenurernma,r回归结果显示，教育投资的年回报率为10.26%，而且在1%的水平上显著的不为零。

这意味着，多受一年教育，则未来的工资将高出 10.26% 这个教育投资回报率似乎太高了可能的原因，由于遗漏变量“能力”与 受教育年限正相关，故“能力”对工资的贡献也被纳入教育的贡献，因此 高估了教育的回报率2、引入所怀疑的内生变量在进行 OLS 回归引入智商IQ作为“能力”的代理变量，再进行OLS回归reglwiqe 某 prtenurernma,r加入“能力”的代理变量IQ后，教育投资的回报率下降为9.28%， 变得更为合理些，但仍然显得过高二) 选择工具变量，一般源于以往文献中相应与内生变量有关、但 未引入研究的方程里的变量具体细分为两步：1、初始工具变量的检测由于IQ来度量能力存在“测量误差”，故 IQ是内生变量，考虑使用变量(med,kww,mrt,age)作为IQ的工具变量， 进行 2SLS 回归，并使用稳健标准误差ivregre2llwe 某 prtenurernma(iq=medkwwmrtage),r在此2SLS回归中，教育回报率反而上升到13.73%，而IQ对工资的 贡献居然为负，似乎并不可信使用工具变量法的前提是工具变量的外生 性为此，进行过度识别检验，考察是否所有工具变量均外生，即与扰动 项不相关。

过度识别检验：Hanen-SarganJ检验，自身为一种卡方检验， 原假设：所有工具变量均为外生，备选假设：至少有一个内生(存在不合 格工具变量)应接受原假设，拒绝备选假设etatoverid结果强烈拒绝“所有变量均为外生”的原假设，即认为某些（或某个） 工具变量不合格（invalid）2、对工具变量进一步选取检测考虑仅使用变量（med,kww）作为IQ的工具变量，再进行2SLS回归, 同时显示第一阶段回归结果ivregre2llwe 某 prtenurernma（iq=medkww）,rfirt结果显示，教育投资回报率降为6.08%，比较合理；而且IQ的贡献 也重新变为正继续做过度识别检验etatoverid接受原假设，认为（med,kww ）外生三） 考察工具的相关性，即弱工具变量判断（StockandYogo,2005），使用拇指法则（RuleofThumb，又叫“经验法 则”，是一种可用于许多情况的简单的，经验性的，探索性的但不是很准 确的原则检验内生变量和工具变量的相关性，也即检验研究模型的 回归系数 bIV 极限分布是否是正态分布，是否会扭曲相应统计量的一致性 构造F统计量，如果F值〉10,不是弱工具变量。

etatfirttage,allforcenonrobutF 统计量为 13.40 （超过 10）四） 外生性检验 Durbin-WuHauman检验，原假设：0LS和IV无系统差异，备选假设：有差异（存在内生性，意味着用 2l 是有效的）， 应拒绝原假设用以检测IV是否优于0LSreglwiqe 某 prtenurernmaetimatetoreolivregre2llwe 某 prtenurernma(iq=medkww)etimatetoreivhaumanivol,contantigmamore。