一、 工具變量法

? ? 對于一階自回歸模型

? ? 若Yt-1與mt同期相關(guān)，則OLS估計是有偏的，并且不是一致估計。

? ? 因此，對上述模型，通常采用工具變量法，即尋找一個新的經(jīng)濟變量Zt，用來代替Yt-1。參數(shù)估計量具有一致性。

? ? 在實際估計中，一般用X的若干滯后的線性組合作為Yt-1的工具變量:

? ??由于原模型已假設(shè)隨機擾動項mt與解釋變量X及其滯后項不存在相關(guān)性，因此上述工具變量與mt不再線性相關(guān)。

? ? 一個更簡單的情形是直接用Xt-1作為Yt-1的工具變量。

下面給大家一個例子：

use 0601.dta,clear rename 人口自然增長率 p /*表示人口自熱增長率用p表示*/ rename 國內(nèi)生產(chǎn)總值億元 GDP rename 每十萬人口高等學(xué)校平均在校生數(shù)人 s rename 資本形成總額億元 z1 rename 財政收入億元 z2 gen lnp=log(p) gen lngdp=log( GDP ) reg lnp lngdp s predict u,r/*表示對回歸的殘差進行保存*//***豪斯曼檢驗與工具變量回歸***/ /***第一步：解釋變量對工具變量和外生解釋變量的普通最小二乘回歸***/ gen lnz1=log( z1 ) gen lnz2=log(z2) reg lngdp lnz1 lnz2 s predict v, r/*為了后面用到殘差序列 ，保存殘差序列*/ reg lnp lngdp s v /***第二步：根據(jù)過度識別約束檢驗判斷工具變量是否具有外生性***/ reg u lnz1 lnz2 s ivreg lnp s ( lngdp=lnz1 )/*運用工具變量法對模型進行回歸分析*/ /***第三步：引入工具變量進行兩階段最小二乘法***/ reg lngdp s lnz1 predict plngdp reg lnp plngdp s ivreg lnp s ( lngdp=lnz1 lnz2)/*該命令是以上兩步驟的一個簡化版，都是進入工具變量進行兩階段最小二乘*/ . quietly reg lnp s lngdp . estimates store ols . quietly ivregress 2sls lnp s ( lngdp=lnz1 lnz2) . estimates store iv . hausman iv ols,constant sigmamore //傳統(tǒng)的豪斯曼檢驗，結(jié)論是不能拒絕外生性假設(shè) . estat overid //過度識別檢驗/**********例6.5.2 研究第三產(chǎn)業(yè)增加值的影響因素**********/ use 0602.dta,clear /**********例6.5.3我國咖啡行業(yè)市場規(guī)模影響因素實證分析**********/ use 0603.dta,clear reg Y X1 X2 X3 X4 X5 X6 correlate X1 X2 X3 X4 X5 X6/*相關(guān)系數(shù)檢驗多重共線性*/ reg Y X1

? ? 覺得小編寫的好的，點個關(guān)注哦！！

總結(jié)

以上是生活随笔為你收集整理的工具变量回归的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。