其中,xtivreg2是回归命令,Y是因变量,C是控制变量,X是内生变量,IV是选取的工具变量,first表示显示工具变量第一阶段回归结果,r表示robust,i.year是时间固定效应,在xtivreg2中需要结合“xi:”一起使用,也可根据你的研究内容使用 i.var_name 添加其他固定效应,fe表示使用固定效应模型(还可以选择fd-一阶差分模型)。
我们通常使用的工具变量法的Stata命令主要就是ivregress命令和ivreg2命令。
ivreg2和xtivreg2之间的差异,与reg和xtreg之间的差异大体类似。 我们知道,OLS加入虚拟变量(LSDV)等价于FE模型。运行以下命令 ivreg2允许有时间效应(即适用于混合面板),而xtivreg2只能做固定效应,不能添加时间的固定效应 xtset id year xtivreg2 ys k (n=l2.n l3.n), fe first savefp(first) outreg2 [fi...
xi:reg y x1 x2 i.province 有时候有些回归中不能使用i.year,比如xtivreg2,不能使用xtivreg2 y (x=IV) i.year需要有虚拟变量的生成,所以可以用xi:xtivreg2 y (x=IV) i.year或者法1。但是法1的在数据集中的虚拟变量是自己手动先做出来的,而xi的数据集中的虚拟变量是回归完后才看到的 总结: 对于数...
对多个内生性变量进行相关性检验的命令为[ivreg2]或者[xtivreg2] 仍以上文的例子为例,对内生性解释变量使用命令[ivreg2]进行检验,结果如下所示。 ivreg2 logpgp95 last_abst(avexpr=logem4) 1. [外链图片转存中…(img-4yvCOahn-1640317583202)] 由检验结果可知,弱识别检验的最下特征值统计量为13.09,大于所...
xi:xtivreg2 ln_w (did=hours tenure) $xlist i.year,fe first //用工具变量来替代政策变量,解决因为分组非随机导致的内生性问题 ——— **附加的,一般而言,我们需要看看这个政策的动态影响 forval v=8/15 //注意,这里yrdum8就相当于year=78 reg ...
xi:xtivreg2 ln_w (did=hours tenure) $xlist i.year,fe first //用工具变量来替代政策变量,解决因为分组非随机导致的内生性问题 ——— **附加的,一般而言,我们需要看看这个政策的动态影响--- forval v=8/15{ gen treated`v'=yrdum`v'*treat } //注意,这里yrdum8就相当于year=78 reg ln_w tr...
控制组和政策影响组的分组是随机的(工具变量法示例) * 注意:此部分需要额外的工具变量,此处仅为示例 xi: xtivreg2 ln_w (did = hours tenure) $xlist i.year, fe first * 附加:政策的动态影响分析 forval v = 8/15 { xtreg ln_w treated* yrdum`v' $xlist i.year, fe } 代码说明 PSM部分:...
ivreg2 和 xtivreg2 之间的差异,与reg 和 xtreg 之间的差异大体类似。 我们知道,OLS加入虚拟变量(LSDV)等价于FE模型。运行以下命令 ivreg2允许有时间效应(即适用于混合面板),而xtivreg2只能做固定效应,不能添加时间的固定效应 xtset id year xtivreg2 ys k (n=l2.n l3.n), fe first savefp(first) out...
xi:xtivreg2 ln_w (did=hours tenure) $xlist i.year,fe first //用工具变量来替代政策变量,解决因为分组非随机导致的内生性问题 ——— **附加的,一般而言,我们需要看看这个政策的动态影响--- forval v=8/15{ gen treatedv'=yrdumv’*treat } //注意,这里yrdum8就相当于year=...