今日問題

老師，您好！????? 我在使用tobit和ivtobit進行實證分析，被解釋變量是夏普比率，主要解釋變量是是否有住房，有住房為1，沒有為0。想請教您幾個問題：? （1）使用tobit回歸時，正向顯著的控制變量，在使用ivtobit回歸時，結(jié)果是負向顯著，主要解釋變量沒有這個問題。我的ivtobit命令是
ivtobit shape income age wealth marriedhealth (household＝ivprice),twostepfirst ll（0）
? 請問老師，我的這種回歸結(jié)果是否可用呢？出現(xiàn)這種問題的原因是什么呢？
（2）使用上述ivtobit命令進行回歸后，得到的F值是15.68，小于16.38，我參考的文獻中，有的說F值＞10，可以消除弱工具變量問題，有的說F＞16.38才可以消除弱工具變量問題，請問老師用上述命令得出的F值應該根據(jù)10還是16.38來判斷是否有弱工具變量問題呢？感謝！

今日解答

問題（1）：? ? ? ?模型可能不夠穩(wěn)健。是否有共線性問題？共線性會導致符號相反?；蛘吖ぞ咦兞渴欠窈线m？比如stata中的ivtobit命令跑模型的時候，一般要求內(nèi)生變量為連續(xù)變量了，工具變量搞了個虛擬變量？?? ? ? Tobit用MLE估計。Tobit模型的一個缺陷是對分布的依賴性很強，不夠穩(wěn)健。如果發(fā)現(xiàn)擾動項不服從正態(tài)分布或存在異方差，則MLE或QMLE估計就不一致。為檢驗正態(tài)性，可將Tobit模型的MLE一階條件視為矩條件，并進行條件矩檢驗。條件矩統(tǒng)計量的真實分布與漸近分布有相當差距，存在較嚴重的顯著性水平扭曲，故使用參數(shù)自助法獲得校正的臨界值(Drukker,2002)。條件矩檢驗可使用非官方命令tobcm實現(xiàn)，但該命令僅適用于左歸并，且歸并為點為0的情形。net install tobcm.pkg? ? ?//下載安裝命令tobcm如能安裝則，findit tobcmpackage tobcm from http://www.stata.com/users/ddrukkerINSTALLATION FILES????????????????????????????????? (click here to install)????? tobcm/tobcm.ado????? tobcm/tobcm.hlp

?????tobcm/_tobsimdta.ado

(click here to install)

? tobcm [ , pbs bsfile(filename) reps(#)]

tobcm, pbs reps(500)

tobcm,pbs //對正態(tài)性假設進行條件矩檢驗，其中pbs表示用參數(shù)自助法獲得臨界值。

? ? ?如果發(fā)現(xiàn)擾動項不服從正態(tài)分布或存在異方差，解決辦法之一是用“歸并最小絕對離差法”（CLAD），其他解決辦法包括“樣本選擇模型”和“歸并數(shù)據(jù)的兩部分模型”。

CLAD:

net install sg153.pkg //下載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)

? 歸并數(shù)據(jù)的兩部分模型：

? 第一部分為二值選擇模型，第二部分對參與者組成子樣本進行OLS。

Examples

--------

Usewomenwk.dta,clear

G lwd=(lwf>0)

probit lwd agemarried children education,nolog

reg lwf agemarried children education if lwd==1,r

…(陳強，高級計量經(jīng)濟學與stata應用，245頁)

? 而提問者使用了兩步法進行OLS實施ivtobit?模型，如果使用tobit時的MLE，則可能不易收斂。

? 總之，ivtobit和tobit的回歸方法有差異，而且Tobit模型的一個缺陷是對分布的依賴性很強，不夠穩(wěn)健。當然可以嘗試tobcm、clad等這些命令，以及非兩步法，即MLE估計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)

而兩步法的寫法：

??? 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?

問題（2）：這個是兩階段最小二乘法,即2SLS判斷弱工具變量的辦法，也是基于經(jīng)驗，可靠的是看第一階段報告的F統(tǒng)計量的伴隨概率p值是否很小地接近于0。ivprobit和ivtobit的兩步法又叫控制函數(shù)法，如果ivtopit的F統(tǒng)計量F(3,496)=35，其伴隨概率為0，即p=0.000,那么可以認為不存在弱工具變量。總之還是看第一步回歸的F統(tǒng)計量的伴隨概率。

學術(shù)指導：張曉峒老師

本期解答人：謝杰老師

編輯：李光勤

統(tǒng)籌：易仰楠 李丹丹

技術(shù)：知我者 趙雅軒 郭凱

往期回顧

互助問答第59期：多期DID平行趨勢檢驗以及因子分析累計方差貢獻率

互助問答第58期：多對多匹配中的joinby與merge

互助問答第57期：門檻回歸和取對數(shù)問題

長按二維碼識別關(guān)注我們

如果您在計量學習和實證研究中遇到問題，請及時發(fā)到郵箱szlw58@126.com，專業(yè)委員會有30名編輯都會看，您的問題會得到及時關(guān)注！請您將問題描述清楚，任何有助于把問題描述清楚的細節(jié)都能使我們更方便地回答您的問題，提問細則參見：實證研究互助平臺最新通知

如果您想成為問題解答者，在幫助他人過程中鞏固自己的知識，請發(fā)郵件至szlw58@126.com（優(yōu)先）或給本公眾號留言或加微信793481976給群主留言，我們誠摯歡迎熱心的學者和學生。具體招募信息請參見：實證研究互助平臺志愿者團隊招募公告

鮮活的事例更有助于提高您的研究水平，呆板的教科書讓人生厭。如果您喜歡，請?zhí)岢瞿膯栴}，也請轉(zhuǎn)發(fā)推廣！

（歡迎轉(zhuǎn)發(fā)，歡迎分享；轉(zhuǎn)載請注明出處，引用和合作請留言。本文作者擁有所有版權(quán)，原創(chuàng)文章最早發(fā)表于“論文導向計量實證社區(qū)”。任何侵權(quán)行為將面臨追責?。?/span>