当前课程知识点:教育定量研究方法(高级) > Weeks 13&14: HLM > HLM > 2.21 IV workshop 3
那么这个内生性检验就是用endogeneous
来跑
那么刚才是 overidentification是来
测工具变量的
那么这个我们就来看
我们折腾半天
我们想了一个这么妙的招是吧
就折腾了又用了一个法律
然后找到了工具变量
那么反过来我们来看
education本身到底是不是一个内生解释变量呢
我们在stata里面跑完 two stage least
square之后
可以马上用这一个post estimation来
去做一下检验
大家可以跑一下这一行的命令
可以
我这边出来的结果是 h0
它假设的是教育变量它是外生的
然后它的p值给出来是0.3527
所以说原假设不能被拒绝
所以说它是外生的
你的 p值是0.3527
对
我也不知道为什么好在前面有很多处跟老师的数不一样
可能是你前面在选取数据的时候
是不是选的是同一段数据呢
这回我们再看一下
可能是选择数据
不是同一段数据
但是根据你的结果
如果p是0.3527的话
显然是不显著的
那么我这边 p值跑的是0.9
那也是不显著的
这种情况确实是要接受零假设
也就是说 education也是一个外生解释变量是
吧
对
但是老师不是说是不能拒绝吗
不是接受
对
不能拒绝
那不能拒绝就是接受
好
那就跑了一个0.26
这个可能是跟因为我现在不能一个一个看大家的屏幕
可能是跟你们电脑上的显示使用的数据不一样是有关
我不知道为什么会不一样
回头我再看一下
你们可以把截屏到时候给我来看一下
那么假设检验的精神大家领会了
那么我们其实就用这样的一个命令在跑完工具变量之后
马上跑检验
就能够去来做这样的一个判断
那么还有一个如果刚才看 help文件也可以看到
在 ivregress后面可以加option
其中有一个很重要的option就是first
如果你加了 first之后
stata就会把第一阶段的结果报告出来
刚才我们可以注意到
其实我们是不是只看到了第二阶段的估算结果
没有看到第一阶段
那么它是被隐藏了
加上 option first之后就会报告出来
有的时候我们会对第一阶段结果很感兴趣
比如说我们要检验一个弱工具变量的时候
我们就要看第一阶段的估算结果
是不是
那么因为时间关系
我们可能后面就不能一个的陪着大家一个个过完了
那就作为课后练习
那么课后练习你们去跑一下
后面的是什么
一个是手动的two stage least square
应该收不好的
那么为了比较手动自动的我们也跑一遍
手动一阶段
我来跑一个回归
这个里面是只用到了工具变量
当然也有控制变量 year
接着用predict命令来去估算一个fitted
value
就是x hat fitted value
我把它命名为比如说edu,之前是education
的大写的缩写
那么第二阶段手动显然就是把fitted value放在这里
我们来跑
当然还有之前的控制变量
就是 year放在这里跑
那么跑完之后这个结果你就来看
我们用手动的方式跑出来的结果跟我们在这一列用自动
的stata自带的命令
跑的结果
它们在这个点估计和标准误的估计上有什么差异
这个是要来对比的
第二个我们刚才也是提到的
如果我在第一阶段手动的时候
第一阶段我只放工具变量
没有放控制变量
这些year,这些控制变量
那么这个结果会有什么差异
这个是大家可以练习的
所以手动的 two stage least square作为
课后的练习
大家来跑一下
有什么问题你可以提出来
好不好
-1.2 Why do we use regression 1
-1.3 Why do we use regression 2
-1.4 Conditional expectation function 1
-1.5 Conditional expectation function 2
-1.6 Classical assumption of OLS
-1.8 How to use matrix calculation to solve OLS
-1.11 FAQs of regression:practice
-1.12 FAQs of regression:discussion
-1.13 Maximum Likelihood Estimatio
-Basic Econometrics
-2.1 Classical assumptions of OLS
-2.2 Omitted variable bias and endogeneity
-Weeks 3&4 readings and workshop
-Instrumental Variable
-3.6 Threats to the validity of RCT
-3.17 Random-effecrt and Fiexed-effect model
-3.18 Statistic power analysis
-Weeks 5&6 readings and workshop
-Randomized Experiments - Class Size, Career Academies
-4.6 DID with multiple periods 1
-4.7 DID with multiple periods 2
-4.9 Synthetic control methods
-Week7&8 readings and workshop
-Natural experiment and DID
-5.10 Validity and assumption test 1
-5.11 Validity and assumption test 2
-Regression discontinuity
-6.1 Review of causal inference model
-Propensity Score Matching
-HLM