GMM的stata操作步骤.pdf

GMM 在 Stata 中的操作步骤 一、解释变量内生性检验 在进行工具变量法之前，需要先检验解释变量是否存在内生性。Hausman 检验是检验解释变量内生性的常用方法。其原假设为：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，需要使用工具变量法；反之，如果接受，则认为不存在内生解释变量，应该使用 OLS。 在 Stata 中，可以使用以下命令进行 Hausman 检验： ``` reg ldi lofdi estimates store ols xtivreg ldi (lofdi=l.lofdi ldep lexr) estimates store iv hausman iv ols ``` 二、异方差与自相关检验 在面板数据中，需要检验扰动项是否存在异方差和自相关。如果存在异方差或自相关，需要使用 Generalized Method of Moments (GMM) 估计。 在 Stata 中，可以使用以下命令进行异方差检验： ``` 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') ``` 而自相关检验可以使用以下命令： ``` xtserial enc invs exp imp esc mrl ``` 三、工具变量效果验证 工具变量需要满足两个条件：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。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。 在 Stata 中，可以使用以下命令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： ``` estat first ``` 2. 检验工具变量的外生性： ``` estat overid ``` 四、GMM 过程 在 Stata 中，可以使用以下命令进行 GMM 估计： ``` ssc install ivreg2 ssc install ranktest use "traffic.dta" xtset panelvar timevar ivreg2 y x1 (x2=z1 z2),gmm2s ``` 注意：在 GMM 估计中，需要安装 ivreg2 和 ranktest 两个程序，然后加载面板数据，设置面板变量及时间变量，最后进行 2-step GMM 估计。