【计量】内生性相关(stata:工具变量,CEM,PSM,GPSM)(施工中)

2024-02-09 23:20

本文主要是介绍【计量】内生性相关(stata:工具变量,CEM,PSM,GPSM)(施工中),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

内生性

原理

处理

1. 工具变量

  • 原理:
    • 问题:违反“解释变量与随机扰动项不相关”的假设
    • 工具变量的要求:与内生变量高度相关(违背会导致弱工具 — 特殊:有很多的弱工具 many weak instruments)、与误差项不相关(违背会使得工具变的无效Invalid),以上最好有理论证明
    • 一般采用二阶段最小二乘法(2SLS)进行回归;当随机扰动项存在异方差或自相关的问题,2SLS就不是有效率的,就需要用GMM等方法进行估计
    • 需要补充工具变量的弱工具性和内生性的检验
(1) 截面数据2SLS——ivreg2

ivreg2 y {controls} (x={ivs}) if xxx, [robust] [endog($x )]

https://www.cnblogs.com/kooshine/p/15374513.html

  • 检验
    • 内生性检验:endog选项(最下面一行,显示为-endog- option: \n Endogeneity test of endogenous regressors: ),原假设为“指定的内生回归因子实际上可以被视为外生”,为了让该检验有必要,一般==p小于0.1(0.05,0.01)==为好
    • 不可识别检验:Underidentification test(第一行,显示为 Underidentification test (Anderson canon. corr. LM statistic): ),原假设为“IV的个数少于内生解释变量的个数(IV变量不可识别)”,要求p值小于0.1
    • 弱IV检验:指IV与内生解释变量(X)的相关性不强,微弱相关——如果弱相关,会导致估计值与OLS,FE不一致,降低第一阶段回归的F统计量,可能需要舍弃。要求大于临界值
      • 1)偏R2,也就是Shea’s partial R2,需要用 estat firststage, all forcenonrobust额外汇报第一阶段的结果
      • 2)最小特征统计量,minimum eigenvalue statistic,Stock & Yogo (2005)提出,Staiger & Stock (1997)建议只要该值大于10就认为不存在弱IV。这个值用于iid的情况。
      • 3)Cragg-Donald Wald F统计量,由Cragg & Donald (1993)提出,Stock & Yogo (2005)给出其临界值,CDW检验一般过15%,10%的临界值就可以,过了5%的临界值更好
        • 名义显著性水平为5%的检验,其真实显著性水平不超过15%。也就是Stock-Yogo weak ID test critical values的15%相当于5%,也就是说要求CDW统计量大于15%的临界值就行
        • IV数量小于3,则不会给出Stock-Yogo weak ID test critical values: 5%/10%/15%/20% maximal IV relative bias
        • 如果假设扰动项为iid,则看CDW检验统计量。如果不对扰动项做出iid的假设,则看KP W rk F统计量,需要加上robust选项。
      • 4)Kleibergen-Paap Wald rk F统计量,Stock & Yogo (2005)给出其临界值
    • 过度识别检验:如果有效IV数=内生解释变量数(恰好识别 equation exactly identified),无需执行过度识别检验。模型的有效IV数>内生解释变量数的情况下,原假设为“所有IV都是外生的,与扰动项无关”,要求p大于0.1
      • 1)Sargan统计量。不加robust选项时汇报Sargan统计量(iid)。
      • 2)Hansen J统计量。加选项robust时汇报Hansen J统计量(非iid)。
      • 3)C统计量。通过 difference-in-Sargan 统计量进行; 该统计量由两个 Sargan( 或 Hansen-J) 之差构成,即 C 统计量。加orthog(varlist),varlist为需要检验外生性的变量

2.

这篇关于【计量】内生性相关(stata:工具变量,CEM,PSM,GPSM)(施工中)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/695578

相关文章

变量与命名

引言         在前两个课时中,我们已经了解了 Python 程序的基本结构,学习了如何正确地使用缩进来组织代码,并且知道了注释的重要性。现在我们将进一步深入到 Python 编程的核心——变量与命名。变量是我们存储数据的主要方式,而合理的命名则有助于提高代码的可读性和可维护性。 变量的概念与使用         在 Python 中,变量是一种用来存储数据值的标识符。创建变量很简单,

sqlite3 相关知识

WAL 模式 VS 回滚模式 特性WAL 模式回滚模式(Rollback Journal)定义使用写前日志来记录变更。使用回滚日志来记录事务的所有修改。特点更高的并发性和性能;支持多读者和单写者。支持安全的事务回滚,但并发性较低。性能写入性能更好,尤其是读多写少的场景。写操作会造成较大的性能开销,尤其是在事务开始时。写入流程数据首先写入 WAL 文件,然后才从 WAL 刷新到主数据库。数据在开始

高效录音转文字:2024年四大工具精选!

在快节奏的工作生活中,能够快速将录音转换成文字是一项非常实用的能力。特别是在需要记录会议纪要、讲座内容或者是采访素材的时候,一款优秀的在线录音转文字工具能派上大用场。以下推荐几个好用的录音转文字工具! 365在线转文字 直达链接:https://www.pdf365.cn/ 365在线转文字是一款提供在线录音转文字服务的工具,它以其高效、便捷的特点受到用户的青睐。用户无需下载安装任何软件,只

【Linux 从基础到进阶】Ansible自动化运维工具使用

Ansible自动化运维工具使用 Ansible 是一款开源的自动化运维工具,采用无代理架构(agentless),基于 SSH 连接进行管理,具有简单易用、灵活强大、可扩展性高等特点。它广泛用于服务器管理、应用部署、配置管理等任务。本文将介绍 Ansible 的安装、基本使用方法及一些实际运维场景中的应用,旨在帮助运维人员快速上手并熟练运用 Ansible。 1. Ansible的核心概念

两个月冲刺软考——访问位与修改位的题型(淘汰哪一页);内聚的类型;关于码制的知识点;地址映射的相关内容

1.访问位与修改位的题型(淘汰哪一页) 访问位:为1时表示在内存期间被访问过,为0时表示未被访问;修改位:为1时表示该页面自从被装入内存后被修改过,为0时表示未修改过。 置换页面时,最先置换访问位和修改位为00的,其次是01(没被访问但被修改过)的,之后是10(被访问了但没被修改过),最后是11。 2.内聚的类型 功能内聚:完成一个单一功能,各个部分协同工作,缺一不可。 顺序内聚:

超强的截图工具:PixPin

你是否还在为寻找一款功能强大、操作简便的截图工具而烦恼?市面上那么多工具,常常让人无从选择。今天,想给大家安利一款神器——PixPin,一款真正解放双手的截图工具。 想象一下,你只需要按下快捷键就能轻松完成多种截图任务,还能快速编辑、标注甚至保存多种格式的图片。这款工具能满足这些需求吗? PixPin不仅支持全屏、窗口、区域截图等基础功能,它还可以进行延时截图,让你捕捉到每个关键画面。不仅如此

log4j2相关配置说明以及${sys:catalina.home}应用

${sys:catalina.home} 等价于 System.getProperty("catalina.home") 就是Tomcat的根目录:  C:\apache-tomcat-7.0.77 <PatternLayout pattern="%d{yyyy-MM-dd HH:mm:ss} [%t] %-5p %c{1}:%L - %msg%n" /> 2017-08-10

Node Linux相关安装

下载经编译好的文件cd /optwget https://nodejs.org/dist/v10.15.3/node-v10.15.3-linux-x64.tar.gztar -xvf node-v10.15.3-linux-x64.tar.gzln -s /opt/node-v10.15.3-linux-x64/bin/npm /usr/local/bin/ln -s /opt/nod

git ssh key相关

step1、进入.ssh文件夹   (windows下 下载git客户端)   cd ~/.ssh(windows mkdir ~/.ssh) step2、配置name和email git config --global user.name "你的名称"git config --global user.email "你的邮箱" step3、生成key ssh-keygen

zookeeper相关面试题

zk的数据同步原理?zk的集群会出现脑裂的问题吗?zk的watch机制实现原理?zk是如何保证一致性的?zk的快速选举leader原理?zk的典型应用场景zk中一个客户端修改了数据之后,其他客户端能够马上获取到最新的数据吗?zk对事物的支持? 1. zk的数据同步原理? zk的数据同步过程中,通过以下三个参数来选择对应的数据同步方式 peerLastZxid:Learner服务器(Follo