新手指南 咨询热线：4008-010-127 登陆 注册

当前位置：首页资源共享闲聊天地

弱工具变量的稳健性检验, 附上code和相关说明！

闲聊天地 弱工具变量的稳健性检验, 附上code和 0 12042
仙女
仙女 白金会员 2021-02-17 20:02:42

正文

简介作者介绍了基于Montiel，Olea和Pflueger (2013)的弱工具检验办法，以及weakivtest，一个新的stata方法执行这个检验。weakivtest是一个基于ivreg2和ivregress上的后估计命令。
弱工具变量会带来点估计的偏差和较大的测试畸变（Nelson and Startz 1990, Stock andYogo 2005）。实践中与同方差序列不相关的差别很常见，也会因此加大弱工具变量带来的偏差和畸变。作者带来的新的检验方法适用于异方差，自相关性，有集群鲁棒性的情况。这些检验适用于两阶段最小二乘法（TSLS）估计和带有一个内生变量回归因子的有限信息最大释然法（LIML）。
在强工具变量的情况中，TSLS和LIML方法是没有渐进偏差的。然而弱工具变量会带来问题（见Stock，Wright and Yogo 2002，Andrews and Stock 2006）。
目前广为应用的弱工具变量预先检验方法（见Staiger and Stock 1997，Stock and Yogo2005）基于条件同方差和序列不相关的假设并在Cragg and Donald（1993）统计量，一个通过内生回归因子简化的F统计量，超过一定数值时拒绝零假设。弱工具变量的零假设可以以估计值偏差或者测试偏差来定义。igreg2（见Baum，Schaffer，and Stillman 2007 &2010）是实施这个检验的实践方法。
实践者通常以第一阶段的F统计量来粗略地调整Stock and Yogo 2005检验。但是在异方差，自相关性和集群的情况下，弱工具变量的F统计量也可能会高（见Montiel Olea andPflueger 2013）。同时，Kleibergen and Paap（2006）的使用Wald统计量的检验办法并不构成一个检验弱工具变量的完整方法。
weakivtest的零假设建立在渐进偏差超过一个“最坏情况”基准的一部分。在误差条件同方差和序列不相关的前提下，这个基准等同于普通最小二乘法的偏差。拒绝零假设取决于有效F统计量超过一个水平。这个水平取决于选定的显著性水平以及“最坏情况”允许。
对于同方差和序列不相关的数据来说，weakivtest的有效F统计量等同于Cragg andDonald（1993）的统计量。weakivtest的临界值【基于TSLS的渐进偏差（等同于Nagar偏差）超过基准10%的零假设】可以和Stock and Yogo（2005）的基于TSLS偏差超过10%的OLS偏差的零假设的临界值做比较。在条件性同方差和序列不相关的前提下，weakivtest的临界值（基于5%显著性水平）从三个工具的8.53上升到30个工具的12.27。对比与Stockand Yogo（2005）的临界值只有从3个工具的9.08上升到30个工具的11.32。

特别声明：本栏目所有内容均来自互联网和网友上传，仅供个人学习、参考使用，请勿用于商业用途，请支持购买标准正版授权！如有侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。

0

友情链接

微信公众号

QQ客服

找回密码

发送验证码

重置密码

免费注册

账号登录 手机登录

免费注册忘记密码

立即登录

发送验证码

免费注册忘记密码

立即登录

第三方登录：

//