内生性,即模型中解释变量与随机误差关联,是分析中的一大挑战。它源于选择偏差、测量误差等多种因素。面对内生性,选择模型时务必审慎,解决策略包括IV法、动态面板纠正等。本文主要讲解在Stata中实施两阶段最小二乘法(IV-2sls)的实际应用。
首先,理解IV-2sls的设定:被解释变量y,内生解释变量x1和外生解释变量x2至xn,初步选择z1至zn作为工具变量。其核心在于找到既满足外生性又有效性的工具变量。
1. 工具变量检验:工具变量需通过过度识别检验,确保其外生性。例如,对z1~zn进行过度识别检验,发现z2和z5可能内生,需逐一剔除。Hansen和orthog-option-Hansen检验支持这一结论,而C统计量则验证了z2的外生性,最终选择z1~z4为外生工具变量。
2. 弱工具变量检验:通过F统计量和最小特征值检查,确认没有弱工具变量,z1~z4都表现强健。若存在,需用冗余检验进一步确定并剔除。
3. 2sls优劣判断:通过豪斯曼检验,确认模型存在内生性,2sls优于OLS。即使模型存在异方差,D-W豪斯曼检验也支持2sls的适用性。
4. 内生解释变量确认:通过特定命令确认x1确实是内生变量。
在上述步骤后,确定z1至z4作为x1的工具变量,进行2sls估计。本文内容基于《高级计量经济学及Stata应用》的讲解,仅为总结,仅供参考。