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

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