今日问题
今日解答
tobcm/_tobsimdta.ado
(click here to install)
tobcm [ , pbs bsfile(filename) reps(#)]
tobcm, pbs reps(500)
tobcm,pbs //对正态性假设进行条件矩检验,其中pbs表示用参数自助法获得临界值。
如果发现扰动项不服从正态分布或存在异方差,解决办法之一是用“归并最小绝对离差法”(CLAD),其他解决办法包括“样本选择模型”和“归并数据的两部分模型”。
CLAD:
net install sg153.pkg //下载clad
findit clad
package name: sg153.pkg
from: http://www.stata.com/stb/stb58/
(click here toinstall)
clad varlist [if exp][in range] [, reps(#) psu(varname) ll[(#)] ul[(#)]
dots saving(filename) replace level(#)
quantile(#) iterate(#) wlsiter(#)]
Examples
--------
clad lwage expschool, reps(500) psu(cluster)
归并数据的两部分模型:
第一部分为二值选择模型,第二部分对参与者组成子样本进行OLS。
Examples
--------
Usewomenwk.dta,clear
G lwd=(lwf>0)
probit lwd agemarried children education,nolog
reg lwf agemarried children education if lwd==1,r
…(陈强,高级计量经济学与stata应用,245页)
而提问者使用了两步法进行OLS实施ivtobit 模型,如果使用tobit时的MLE,则可能不易收敛。
总之,ivtobit和tobit的回归方法有差异,而且Tobit模型的一个缺陷是对分布的依赖性很强,不够稳健。当然可以尝试tobcm、clad等这些命令,以及非两步法,即MLE估计ivtobit。
Maximum likelihood estimator
ivtobit depvar [varlist1] (varlist2 =varlist_iv) [if] [in] [weight] ,
ll[(#)] ul[(#)] [mle_options]
Examples:
webuse laborsup
Obtain full ML estimates
. ivtobit fem_inc fem_educ kids (other_inc= male_educ), ll
. ivtobit fem_inc fem_educ kids(other_inc = male_educ), ll(12)
而两步法的写法:
Obtain two-step estimates
. ivtobit fem_inc fem_educ kids(other_inc = male_educ), ll twostep
. ivtobit fem_inc fem_educ kids (other_inc= male_educ), ll(12) twostep
问题(2):这个是两阶段最小二乘法,即2SLS判断弱工具变量的办法,也是基于经验,可靠的是看第一阶段报告的F统计量的伴随概率p值是否很小地接近于0。ivprobit和ivtobit的两步法又叫控制函数法,如果ivtopit的F统计量F(3,496)=35,其伴随概率为0,即p=0.000,那么可以认为不存在弱工具变量。总之还是看第一步回归的F统计量的伴随概率。
学术指导:张晓峒老师
本期解答人:谢杰老师
编辑:李光勤
统筹:易仰楠 李丹丹
技术:知我者 赵雅轩 郭凯
联系客服