* GMM-type 是针对内生变量或先决变量而言的工具变量，有多列 * Standard 是针对外生变量而言的工具变量，只有一列*- 过度识别检验（工具变量的使用是否合理） * estat sargan * * 说明： * H0: overidentifying restrictions are valid * 这里，我们拒绝了原假设，但AB91指出，当干扰项存在异方差时， * Sargan检验倾向于过度拒绝原假设，因此此处得到的结论并不可信。 * 采用两阶段估计，然后再执行Sargan检验较为稳妥： * xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984,twostep estat sargan * * 说明：不过，AB91发现， * 若存在异方差，在两阶段估计后执行Sargan检验往往倾向于 * Underreject问题，即过度接受原假设。 * 通常而言，这很可能是我们的模型设定不当，或是工具变量的选择不合理。 * 随后，我们会采用-xtdpd-命令，将干扰项设定为 MA(1) 过程， * 此时，执行Sargan检验不再拒绝原假设。 * - 干扰项序列相关检验 * * AB91 一阶差分估计量要求原始模型的干扰项不存在序列相关， * 显然，差分后的干扰项必然存在一阶序列相关， * 因此，我们需要检验差分方程的残差是否存在二阶(或更高阶)序列相关即可 * * 默认，二阶序列相关检验 xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984,vce(robust) estat abond * 说明：若存在二阶相关，则意味着选取的工具变量不合理 * 高阶序列相关检验 xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984,vce(robust) artest(3) estat abond本文来自: 人大经济论坛 Stata专版 版，详细出处参考： forum.php?mod=viewthread&tid=406607&page=1请教stata处理动态面板数据问题
温馨提示：答案为网友推荐，仅供参考