------------------------------------------------------------------------------- 帮助 xtabond2 -------------------------------------------------------------------------------
“差分”与“系统”GMM动态面板估计
xtabond2 德瓦(depvar) 变量 [ 如果 经验 ] [ 在里面 范围 ] [ 重量 ] [ , 我 水平( # ) sv公司 垫子 二 步 第页 反对 氯 乌斯特( 变量名 ) 无 不变的 平方米 全部的 nol(诺尔) 伊夫莱克 或 直角的 gmmopt公司 [ gmmopt公司 ... ] ivopt公司 [ ivopt公司 ... ] 主成分分析 comp公司 组件( # ) 应收账 测试( # ) 阿勒 伊夫尔斯 小时 ( # ) 点头 伊夫沙根 笔名 ata公司 ]
哪里 gmmopt公司 是
gmm公司 风格( 变量 [ , 滞后 限制( # # ) c(c) 塌陷 o个 正交的 e(电子) 方程式( { d日 若(iff) | 我 水平 | b条 其他 } ) 第页 通过 服务提供商 点燃 ] )
和 ivopt公司 是
iv(四) 风格( 变量 [ , e(电子) 方程式( { d日 若(iff) | 我 水平 | b条 其他 } ) 第页 通过 毫赫兹 ] )
awweight公司 第页, pweight重量 s、 和 fweight(重量) 允许使用s。 fweights(重量) 必须是常量 随着时间的推移。 请参见帮助权重。
xtabond2 用于横截面时间序列数据。 你必须 ts集 使用之前的数据 xtabond2 ; 请参阅帮助tsset。
全部 变量 s可能包含时间序列运算符,在Stata版本11中 或更高版本的因子变量。 请参阅帮助变量列表。
通过 ... : 可以与一起使用 xtabond2 如果未使用时间序列运算符 在命令行中。 这个 通过 条款不会限制样品 建筑仪器中绘制的滞后。 请参阅帮助。
xtabond2 共享所有估算命令的特性; 请参阅help estcom。
预测跟随的语法 xtabond2 是
预测 [ 类型 ] 新varname [ 如果 经验 ] [ 在里面 范围 ] [ , 统计的 ] [ 差异 埃伦塞 ]
哪里 统计的 是
xb(十亿英镑) bx_it,拟合值(默认值) 关于 副业者 eit,残差
描述
xtabond2 可以拟合两个密切相关的动态面板数据模型。 这个 首先是Arellano-Bond(1991)估计器,它也可用于 xtabond公司 ,尽管没有描述的两步标准错误纠正 如下所示。 它有时被称为“差分GMM”。第二种是 Arellano和Bover(1995)概述的增强版本 由Blundell和Bond(1998)开发。 它被称为“系统GMM” Roodman(2009)提供了线性GMM的教学介绍,这些 估算器,以及 xtabond2 .估计器设计用于动态 “小T,大N”面板,可能包含固定效果和--分离 从那些固定的影响--异方差的特殊错误 并且在个体内部相关,但在个体之间不相关。 考虑模型:
y_it=x _ it*b_1+w _ it*b2+u _ it i=1,。。。, N; t=1,。。。, T型 u _ it=v _ i+e _ it,
哪里
v_i是未观察到的个体水平效应;
e是观测误差;
xit是严格外源协变量的向量(依赖于 既不是当前也不是过去的e);
w_it是预定协变量的向量(可能包括滞后 和内源性协变量,所有这些可能都是相关的 与v_i(预先确定的变量可能相关 包含过去的错误。 内源性的可能相关 过去和现在的错误);
b1和b2是待估计参数的向量;
对于每个i、j、t、s,E[v_i]=E[E_it]=E[v_i*E_it]=0,E[E_it*E_js]=0, i<>j。
对方程进行第一次差分可以删除v_i,从而消除 估计中遗漏变量偏差的潜在来源。 然而, 预先确定但并非严格外生的差分变量 使其内生,因为某些D.w_it=w_it w_i,t-1是 与D.e_it中的e_i、t-1相关。继Holt-Eakin、Newey和 Rosen(1988)、Arellano和Bond(1991)提出了 测量非差分变量的矩估计量 严格来说是外生的,而且它们的水平都有滞后性。 (严格来说 外生变量与当前和过去的误差无关。) 阿雷拉诺和邦德还开发了一种适当的自相关测试, 如果存在,可能会导致某些滞后作为工具无效。
原始Arellano-Bond估计的一个问题是滞后水平 如果变量接近 随机漫步。 Arellano和Bover(1995)描述了如果原始 在系统中添加水平方程式,可以 承担增加效率的责任。 在这个方程式中,变量 水平 配备了适当的滞后时间 第一 差异 所需的假设是,这些差异是 与未观察到的国家效应无关。 布伦德尔和邦德表演 这个假设反过来取决于关于初始值的更精确的假设 条件。
xtabond2 两次实现这两个估计器。 Stata s ado中的版本 编程语言速度较慢,但与Stata7和Stata8兼容。 马塔 该版本通常更快,在Stata 10.0或更高版本中运行。 这个 xtabond2 选项 诺马塔 即使Mata可用,也会阻止其使用。
Mata版本还包括使用正向正交的选项 偏差转换而不是第一次差分。 阿雷拉诺提议 和Bover(1995)的正交偏差变换,而不是 减去之前的观测值,减去所有观测值的平均值 可用的未来观察结果。 然后将结果乘以比例 选择产生良好但相对不重要属性的因子 如果原始eit是身份证,那么转换后的eit也是身份证(请参见 Arellano和Bover(1995)以及Roodman(2009))。 比如差异化,获取 正交偏差消除了固定的影响。 因为观测滞后 如果不输入变量的转换公式 与转换后的误差保持正交(假设没有序列 相关性),并可用作工具。 事实上,为了一致性, 软件将观测值的正交偏差存储一个周期 较晚,因此,与差分一样,周期1的观测值为 缺少检测变量w,wi,t-1输入公式 用于存储在i,t处的转换观测值 在这两种情况下,相同的变量滞后有效 转型。
在平衡面板上,基于两个变换的GMM估计返回 数值相同的系数估计值,保持仪器组不变 已修复(Arellano和Bover 1995)。 但正交偏差有 在有间隙的面板中保持样本大小的优点。 如果有(_I) 例如,缺少D.e_it或D.e_i,t+1都无法计算。 但是 每个完整的观测值都可以计算出正交偏差 除了每个人的最后一个。 (第一个差异不能 更好,因为它必须删除每个人的第一次观察。) 注意,即使在正交的情况下,“差分GMM”仍被称为 使用偏差。 我们将参考差分方程或 正交偏差作为 转化 等式。 系统内GMM 正交偏差、水平或 未转换的 等式仍然存在 使用上述差异进行检测。
xtabond2 报告了Arellano-Bond自相关测试,即 应用于不同的残差,以清除未观察到的和 在第一个差分中期望有完全自相关的v_i.AR(1), 因为D.e_i,t=e_i= ei,t-1-ei,t2,因为它们共享ei,t1项。 所以要检查 AR(1)在级别中,在差异中寻找AR(2),基于这样的想法 将检测D.e_i中的e_i、t-1和 D.e_i中的e_i,t-2。 这种推理不适用于正交 偏差,其中单个的残差都是 数学上相互关联,因此从 检测e_it中的AR。因此测试在不同的残差上运行 即使在偏差估计之后。 自相关表示滞后 因变量(以及用作工具的任何其他变量 不是严格意义上的外生),实际上是内源性的,因此是坏的 仪器。 例如,如果有AR,那么y_i,t-s将是 与e_i、t-s相关,这将与D.e_i和t-s相关 与D.e_i,t相关。
xtabond2 还报告了过度识别限制的测试——是否 这些工具作为一个整体,似乎是外生的。 对于一步式非稳健 估计,它报告了Sargan统计,这是最小值 一步GMM准则函数。 萨尔根的统计数据不是 对异方差或自相关稳健。 因此,一步到位、稳健 估计(以及所有两步估计), xtabond2 还报告 汉森 J型 统计,这是两步GMM的最小值 准则函数,并且是鲁棒的。 xtabond2 仍然报告萨根 这些情况下的统计数据是因为 J型 测试有它自己的问题:它可以 被仪器扩散大大削弱。 马塔版本 此外,报告argan统计数据中的差异(实际上, 差分-汉森统计(一步稳健估计除外), 测试仪器子集是否有效。 准确地说, 它为由 iv样式() 或 gmmstyle() 选项(如下所述)。 所以更换 gmm样式(x y) 在一个 命令行 gmmstyle(x)gmmstyley(y) 将得出相同的估计 但在Sargan/Hansen测试中存在明显差异。 此外,包括 这个 服务提供商 点燃 中的子选项 gmmstyle() 系统GMM中的选项将 两个仪表组,用于不同的Argan/Hansen用途,一个 每个方程都对应于变换后的方程和水平方程。 这是 特别适用于测试液位方程的仪器 基于因变量的滞后差异 系统GMM中的疑点和中的“初始条件”主题 布伦德尔和邦德(1998)。 同样,在系统GMM中, xtabond2 还测试了所有GMM型仪器的液位方程 作为一个群体。 然而,当仪器 计数很高。 Argan/Hansen测试的差异是通过计算得出的 密集型,因为它们涉及重新估计每个测试的模型; 这个 诺迪夫萨根 选项可以阻止它们。
作为线性GMM估计量,Arellano-Bond和Blundell-Bond估计量 有一个和两个步骤的变体。 但尽管两步是渐进的 更有效的是,报告的两步标准错误往往严重 向下倾斜(Arellano and Bond 1991;Blundell and Bond 1998)。 收件人 补偿, xtabond2 对 Windmeijer(2005)推导的两步协方差矩阵。 这可以使 两步稳健估计比一步稳健估计更有效, 尤其是对于系统GMM。
标准错误也可以“引导”,但不能使用 引导数据库 命令。 该命令通过对实际数据集进行采样来构建临时数据集 带替换件 对给定的 观测单位和时段违反了面板结构。 相反,使用 刀切法 ,也许有 集群() 选项,面板上的集群 标识符变量,以便依次删除每个观测单位。
的语法 xtabond2 与 xtabond公司 和 xtdpdsys公司 . xtabond2 几乎完全解耦的规范 回归因子选择 从规范 仪器 因此,大多数 使用的变量将在 xtabond2 命令行。 xtabond2 需要首字母 变量 包含所有 除了可选常数项之外的回归项,严格来说 外源的、预定的或内源性的。 用于形成的变量 然后仪器出现在 gmmstyle() 或 ivstyle() 选项之后的选项 逗号。 结果是失去了节俭,但对 仪器矩阵。变量可以用作“GMM样式”的基础 没有作为回归变量包含的工具集,反之亦然。
这个 gmm公司 样式() 和 iv(四) 样式() 选项还包含允许 仪器矩阵的进一步定制。
引用 xtabond2 不是官方的Stata命令。 这是对 研究界。 请这样引用: Roodman,D.2009年。 如何做xtabond2:差异介绍 Stata中的系统GMM。 Stata杂志 9(1): 86-136.
选项
水平( # ) 指定置信度的置信水平(百分比) 系数区间; 请参阅帮助级别。 默认值为95。
sv公司 垫子 告知 xtabond2 将X、Y、Z、H和权重矩阵保存为e() 返回宏。 默认情况下不包括这些,因为矩阵 可以大于数据集本身。 如果 主成分分析 使用选项, svmat公司 也将特征向量矩阵保存为 xtabond2_特征向量。 此选项仅在使用时可用 Mata的速度规避模式下的Mata实现。 数据为 存储在平衡矩阵中,并按个人、方程(用于 系统GMM),然后是时间。 为清晰起见,对行和列进行了标记。 仪器矩阵通常包含全零列 不影响估计。 与Stata列标记兼容 受后正交约束的约定、文书 偏差转换(见下文)仍用“D”表示 操作员。
两步 指定计算两步估计器 一步到位。
坚固耐用的 :对于一步估算, 坚固耐用的 指定鲁棒性 参数估计的协方差矩阵的估计量be 计算。 得出的标准误差估计值与 任何异方差和自相关模式的存在 面板内。 在两步估计中,标准协方差 矩阵在理论上已经很稳健了,但通常会产生标准 向下倾斜的错误。 两步鲁棒 请求 Windmeijer对两步协方差的有限样本修正 矩阵。
群集( 变量名 ) 覆盖面板标识符的默认使用(作为 由设置 ts集 )作为定义组的基础。 群集( 变量名 ) 暗示 坚固耐用的 在刚才描述的意义上。 例如,分两步 估计,它需要Windmeijer修正。 更改组 带有此选项的标识符会影响一步“稳健”标准 错误,所有两步结果,汉森和汉森差异 测试和Arellano-Bond系列相关性测试。
非常量 抑制levels方程中的常数项。 由 默认情况下,该术语作为回归变量和IV型工具包括在内。 与xtabond和DPD不同(它们的原始实现 估计值), xtabond2 不包括常量项 差分GMM中的转换方程。 相反,常数是 变了。
小的 请求 t吨 统计数据,而不是 z(z) 统计数据和 F类 改为测试 整体模型拟合的Wald chi-squared检验。
诺列夫列克 指定应从 估计,产生差异而不是系统GMM。
无差异的 防止Sargan/Hansen测试中的差异,这是 计算密集型,因为它们涉及重新估计模型 对于每个测试。 该选项对的ado版本没有影响 xtabond2 ,不执行Argan/Hansen差异测试 无论如何。
诺马塔 即使语言可用,也阻止使用Mata代码 (在Stata 10.0或更高版本中)。 在Stata 7-9中,这是不必要的。 通常,此切换不会影响结果。 然而,如果 变量共线或近似共线,程序的两个版本 可能会丢弃不同的,这会影响结果。 他们可以 甚至不同的版本使用不同的 确定共线性的常规和公差。 此外, 马塔版本并不能完美地处理奇怪和不寻常的情况 表达式,如 gmm(L.x,滞后(-1-1)) .(文件 gmmstyle() 选项如下。) 此表达式与 gmm(x, 滞后(0 0)) 原则上。 但Mata代码会解释为 滞后x,从而失去x的观测值 t=t ,然后解锁 其余信息。 缓慢的ado版本不会丢失数据 以这种方式。
正交的 请求改为正向正交偏差变换 差异。
ivstyle() 指定一组变量作为标准工具, 每个变量在仪器矩阵中有一列。 通常情况下, 严格的外生回归包含在 ivstyle(ivstyle) 选项,在 命令输入仪器矩阵,以及之前列出的 命令行的主逗号。 这个 等式() 子选项 指定应使用仪器的方程式: 仅第一个差异( 方程式(diff) ),仅限级别 ( 方程式(水平) )或两者兼而有之( 方程式(二者) ),默认设置。 同样由 默认情况下,工具被转换(转换为差异或 正交偏差)用于变换方程和 为levels等式输入未转换的。 次选项 通过 可在以下时间使用 方程式(diff) ,或当选项 诺列夫列克 调用,以阻止此转换。 等式() 是 用于正确处理用作 系统GMM中的IV型仪表。 例如,如果x是 预先确定,它是水平方程的有效工具,因为 假设它与同期误差项无关。 然而,x在第一个差异中成为内生变量,因此D.x不是 转换方程的有效工具。 ivstyle(x) 将 因此是不合适的。 x作为IV型仪器的使用 中的级别只能由指定 iv(x,eq(水平)) .
如果子选项 毫赫兹 包含在 ivstyle(ivstyle) 选项,缺少值 在仪器中被转换为零。 毫赫兹 不会更改 产生的精确力矩条件 ivstyle(ivstyle) --它们仍然只适用于 有数据的观测值的误差项 仪器。 相反, 毫赫兹 允许缺少数据的观测 尽管如此,所讨论的工具仍停留在回归中 如果 这些工具也不是回归因子。 (缺少观察结果 回归变量的值仍必须删除。)
gmm公司 样式() 指定一组用作基础的变量 Holtz-Eakin、Newey和 Rosen(1988)和Arellano and Bond(1991)。 默认情况下 xtabond2 使用, 对于每个时间段,指定变量的所有可用滞后 以t-1或更早的水平作为转换的工具 方程; 并将同期第一次差异用作 液位方程中的仪表。 这些默认值是适当的 对于非严格外生的预定变量(邦德 2000). 缺少的值总是替换为零。 可选的 拉格利茨( a b类 ) 子选项可以覆盖这些默认值:对于 转换方程,滞后水平日期为t- 一 至t- b条 用作 仪器,而对于液位方程,第一个差异 日期t- 一 +1通常使用。 一 和 b条 每个都可以缺失(“.”); 一 默认为1和 b条 到无穷大。 它们甚至可以是负面的,这意味着 “向前”滞后。 如果 一 > b条 然后 xtabond2 交换他们的价值。 (注意: 如果 一 <= b条 <0,则第一个差异日期为t- b条 +1通常用作 能级方程中的一种仪器,而不是日期为t的仪器- 一 +1, 因为它在有效时间的[1,T]范围内更频繁 索引。 或者,出于同样的原因,如果 一 <=0<= b条 或 b条 <=0<= 一 ,的 使用日期为t的第一个差异。) 自从 gmmstyle() 变量 允许时间序列操作符,有多条路径指向同一个 规范。 例如。, gmm(w,滞后(2.)) ,标准治疗 内生变量,相当于 gmm(L.w,滞后(1.)) ,因此 gmm(左) .
这个 e(电子) 方程式() 的子选项 gmmstyle() 工作原理与 ivstyle() (见上文),但有一个重要例外。 作为对 方程式(水平) , xtabond2 生成 全套 共个可用 水平方程的工具,因为它不再是这种情况 由于存在 变换方程的全套力矩条件。 成为 如果滞后极限为 一 和 b条 ,然后滞后于指定的 日期为t的差异变量- b条 至t- 一 使用。 方程式(diff) 对GMM差异无影响。
这个 第页 通过 的子选项 gmmstyle() 只有在系统中才有意义 GMM,并且仅适用于以下变量 方程式(水平) 也一直是 指定。 它指示 xtabond2 为标高创建工具 不使用指定的 变量,但相同日期的原始级别。 例如, 方程式(液位)通过限值(1.) 所有延迟的请求 水准仪被用作仪器。 在标准假设下 仪器无效。
这个 o个 正交的 子选项告知 xtabond2 反向应用 仪器的正交偏差变换 转换方程。 基本上,仪器被替换为 他们偏离了过去的手段。 由于产生的工具 取决于基础变量的所有过去值,回归变量 在变换后的方程中不应进行类似变换。 否则,仪器可能与误差相关。 那就是, 如果使用此子选项 或 直角的 选项 也应该是 包括(在 gmmstyle() 选项)。 在模拟中,Hayakawa (2009)发现“Difference GMM”与此组合--backword 仪器的正交偏差和 回归因子——与传统回归因子相比,偏差较小且更稳定 标准AR(1)模型的差分GMM T型 >=10. (对于AR(p) 模型中,他只使用最新的p仪器滞后,相当于 gmm(L.y,正交滞后(1 第页 )) .)此选项不影响 液位方程的仪器。
这个 服务提供商 点燃 的子选项 gmmstyle() 也只有在系统中才有意义 GMM,然后仅当两者都不存在时 eq(差异) 也不是 eq(水平) 已指定。 其唯一效果是将指定的仪器组分成两组 Sargan/Hansen差异测试的目的——一套仪器 对于转换的方程和一个用于水平方程。
这个 c(c) 塌陷 的子选项 gmmstyle() 指定 xtabond2 应该 为每个变量和滞后距离创建一个仪器,而不是 每个时间段、变量和滞后距离一个。 大型 样品, 崩溃 降低统计效率。 但在小型 它可以避免由于 仪器向观测数量攀升。 (何时 仪器很多,它们往往会超出仪器变量 并将结果偏向OLS/GLS。) 崩溃 也很重要 通过减少 仪器矩阵,和(与程序的ado版本相关) 有助于将矩阵保持在Stata的大小限制内。
例如,如果模型假设所有s的E[w_is*D.E_it]=0, 这在标准阿雷拉诺-邦德估算中表示为:
sum_i(w_is*D.e_it)=0,对于每个s和t,s<t。
这转换为表格中仪器矩阵的列:
w_i1 0 0 0 0。。。 0 w_i1 w_i2 0 0 0。。。 0 0 0 w_i1 w_i2 w_i3。。。 . . . . . . ... . . . . . . ...
崩溃 将“GMM式”力矩条件分为组和 将每组条件相加,形成一组较小的条件 形式:
sum_i,t(w_i,t-j*D.e_it)=每个j>0。
这相当于通过 添加,产生:
w_i1 0 0。。。 w_i2 w_i1 0。。。 w_i3 w_i2 w_i1。。。 . . . ... . . . ...
同样,液位方程的标准仪器(in 系统GMM)崩溃原因:
D.w_i2 0 0。。。 0 D.w_i3 0。。。 0 0 D.w_i4。。。 . . . ...
对于单列:
D.w_i2号机组 D.w_i3号机组 D.w_i4号机组 . .
主成分分析 告知 xtabond2 将“GMM型”仪器替换为 主组件,以减少 最小任意方式(Kapetanios and Marcellino 2010;Bai and Ng 2010; Mehrhoff 2009)。 主成分分析在 “GMM型”工具的相关矩阵,而非协方差矩阵。 默认情况下 xtabond2 将选择特征值为的所有组件 至少1个,并将在必要时选择更多,以确保 工具至少和回归因子一样多,有利于 具有最大特征值。
comp公司 组件( # ) 允许用户覆盖 上述组件。
艺术( # ) 指定自相关测试的最大顺序 报道。 默认值为2。
阿勒维尔 指定应将自相关测试应用于 水平的残差,而不是第一差分方程。 它 不能与一起指定 诺列夫列克 .如果有固定的 效应,则水平上的自相关是预期的,而不会 将规范纳入问题中。
小时( # ) 控制H的形式 先验的 协方差估计 特殊误差矩阵。 在一步线性GMM中 Z’HZ的倒数,其中Z是仪器矩阵,代表 矩的协方差矩阵,用于对样本进行加权 其幅值联合最小化的力矩。 由于H仅 控制任何被认为是外源性的工具的重量 非退化H的选择,一步估计将是一致的。 两步估计将是渐近有效的(Baum, Schaffer和Stillman,2003年)。 因此,设计H的优先级是 尽量减少任意性。 H总是采用块对角线形式 块相同。 让*表示通过正交变换的变量 偏差或差异和M是执行的(T-1)xT矩阵 选定的变换。 为了设计H,我们假设 var[e]=I,单位矩阵。然后,对于差分GMM 默认情况下,H的(T-1)x(T-1 当var[e]=I时(=var[e*])(参见Roodman 2009)。 对于正交 偏差,MM'=I。对于差分,它是:
2 -1 0 ... -1 2 -1 ... 0 -1 2 ... 。。。
要执行系统GMM, xtabond2 将转换后的数据视为 对于时段2至T,级别数据为时段T+1至2T。 H的块是(2T-1)x(2T-2) 先验的 估计 复合向量[u*‘u’]的协方差。 如果我们假设 将var[e]=I加到var[v]=0(无固定效应),然后 H块是
MM“M” M I公司
然而,文献中存在多个H选项。 在 xtabond2 , 小时(3) 默认情况下,指定上述矩阵。 小时(2) 不同于系统GMM的右上和左下 所描绘的H的象限被调零。 这将复制当前 高斯和公牛的DPD版本(Arellano和Bond 1998;Doornik, 阿雷拉诺和邦德2002)。 小时(1) 规定H=I表示两个差值 和系统GMM。 H在最初执行 系统GMM估计器,Blundell和Bond(1998)。 一步到位 GMM,设置H=I基本上给出2SLS。
Mata系统参数matafavor影响Mata的行为 的版本 xtabond2 .类型 mata:mata设置matafavor速度 或 马塔: mata集matafavor空间 在运行之前 xtabond2 影响 它在速度和内存使用之间进行权衡。 添加 ,烫发 选项使更改永久化。 注: 使用以下命令增加Stata数据集的可用内存量 这个 设置存储器 命令 减少 Mata可以使用的。 所以如果Mata xtabond2 内存不足,通常由无法 分配真实消息,也尝试使用 设置 记忆 .
的选项 预测
xb(十亿英镑) 默认情况下,计算线性预测。
关于 副业者 计算因变量的剩余误差 线性预测。
差异 埃伦塞 要求因变量的第一个差异, 而不是预测水平。
返回值
标量 e(N) 未转换数据中的完整观察数 >(系统GMM)或转换数据(差异GMM) e(萨根语) 萨根统计 e(sar_df) Sargan统计量的自由度 e(萨尔干普语) Sargan统计量的p值 e(汉森) Hansen J统计 e(汉森df) Hansen统计的自由度 e(汉森普) Hansen统计量的p值 e(艺术) 请求的AR测试数量 e(ar 我 ) 应收账款( 我 )测试统计量 e(ar 我 第页) AR的p值( 我 )统计学 e(dfm) 模型自由度 e(dfr) 剩余自由度(如果 小的 指定) e(chi2) Wald chi-squared统计(如果 小的 未指定) e(chi2p) Wald统计的p值(如果 小的 未指定) e(信号2) _it的估计方差 e(西格玛) 其平方根 e(F) F统计(如果 小的 指定) e(F_p) F统计量的p值(如果 小的 指定) e(g最小值) 包含个人中的最低观察次数 >铝 e(g最大值) 包含个体中观察次数最多 >年 e(g_avg) 每个受试者的平均观察次数 >我 e(h) 的值 h() 选项(默认值为3) e(j) 仪器数量 e(j0) 仪器数量,包括共线仪器 e(N_g) 纳入人数 e(N_clust) 集群数量 e(组件) 调用pca选项时提取的组件数 e(公里) Kaiser-Meyer-Olkin抽样充分性度量 >调用的选项 e(pcaR2) 包含分量的特征值之和除以 >全部总和
宏 e(预测) “xtab2_p” e(艺术类型) “第一个差异”或“级别” e(vcetype) “稳健”,一步到位 坚固耐用的 ,“已更正” 两步 >坚固耐用的 ,否则为空 e(两步) “两步走” 两步 e(小) “小”用于 小的 e(est类型) “系统”或“差异” e(主成分分析) 如果调用pca选项,则为“pca” e(gmminsts 我 ) 中列出的变量 gmm样式 组 我 e(伊文斯特斯 我 ) 中列出的变量 ivstyle(ivstyle) 组 我 e(变换) “第一差”或“正交偏差” e(depvar) 因变量 e(clustvar) 群集组标识符 e(tvar) 时间变量 e(伊瓦尔) 单个(面板)变量 e(厘米) “xtabond2” e(命令行) 完整命令行 e(差异组 我 ) 中的变量 我 第H组受差异影响-Sargan/H >安森试验
矩阵 e(b) 系数向量 e(V) 方差-方差矩阵 e(A1) 第一步GMM加权矩阵 e(A2) 第二步GMM权重矩阵(如果 两步 指定 >d) e(Ze) Z'E,其中E=第二步残差,用于计算Han >sen统计量 e(特征值) GMM型仪器主成分特征值 >瘤胃(如果 主成分分析 指定) e(diffsargan) 沙根/汉森试验差异表 e(方程) 每个ivstyle()选项的equation()子选项的值 >上,按顺序 (0=水平,1=差异,2=两者都有) e(ivpassthru) 每个ivstyle()选项的passthru选项的值。 e(ivmz) 每个ivstyle()选项的mz子选项的值 e(gmm方程) 每个gmmstyle()选项的equation()子选项的值 >离子 (0=级别,1=差异,2=两者) e(gmmpassthru) 每个gmmstyle()选项的passthru选项的值 e(gmmpasscollapse) 每个gmmstyle()选项的折叠选项值 e(gmmlaglimits) 每个gmmstyle()选项的滞后限制 e(gmmorthogonal) 每个gmmstyle()选项的正交选项值 e(X) 估计中使用的右侧变量矩阵,如果 > sv公司 垫子 已调用 e(Y) 估计中使用的因变量列,如果 秒 >v(v) 垫子 已调用 e(Z) 估计中使用的仪器矩阵,如果 sv公司 垫子 援引 >d日 e(H) 估计中使用的H矩阵,如果 sv公司 垫子 已调用 e(重量) 估计中使用的权重向量,如果 sv公司 垫子 调用了 >使用了d个砝码 e(特征向量) 主成分得分,如果 sv公司 垫子 和 主成分分析 已调用
功能 e(样品) 标记估计样本
示例
使用 http://www.stata-press.com/data/r7/abdata.dta xtabond2 n l.n l(0/1)。 (w k)1980-yr1984,gmm(l.n w k)iv(yr1980-yr 1984, passthru)noleveleq小 xtabond2 n l.n l(0/1)。 (w k)1980-yr1984,gmm(l.n w k)iv(yr1980-yr 1984, mz)鲁棒两步小h(2) xtabond2 n l(1/2)。n l(0/1)。w l(0/2)。 1980年至1984年,gmm(l.n w k) iv(1980年至1984年)稳健的两步小 *接下来两个是等价的,假设id是面板标识符 ivreg2 n帽(w=k ys rec)[pw=n],簇(ind)正交(rec) xtabond2 n w帽[pw=n],iv(帽k ys,eq(水平))iv(rec,eq,水平) 簇(ind)h(1) *下两个相同 回归nwk xtabond2 n w k,iv(w k,eq(level))小h(1) *接下来的两个,假设xtabond自2004年5月更新为 更新 命令。 xtabond n yr*,滞后(1)pre(w,滞后(1.))pre,(k,endog)robust small 无控制的 xtabond2 n L.n w L.w k yr*,gmm(L.(w n k))iv(yr*)noleveleq稳健小 *接下来的两个 xtdpd n L.n L(0/1)。 (wk)1978-1984年,dgmm(wk n)lgmm(w k n) liv(yr1978-yr1984)vce(稳健)双相控 xtabond2 n L.n L(0/1)。 1978年至1984年,gmm(L.(wk n)) iv(yr1978-yr1984,eq(level))h(2)鲁棒两步 *减少仪器数量的三种方法 xtabond2 n L.n L(0/1)。 1978年至1984年,gmm(L.(wk n)) iv(yr1978-yr1984,eq(level))h(2)鲁棒两步pca xtabond2 n L.n L(0/1)。 1978-1984年(wk)年,gmm(L.(wk n),崩溃) iv(yr1978-yr1984,eq(level))h(2)鲁棒两步 xtabond2 n L.n L(0/1)。 (w k)年1978年至1984年,gmm(L.(w k n),滞后(1 1)) iv(yr1978-yr1984,eq(level))h(2)鲁棒两步 *估计a la Hayakawa 2009 xtabond2 n L.n L(0/1)。 1979年至1984年(wk),gmm(L.(wk n),滞后(1 1) 正交)iv(yr1979-yr1984,eq(level))h(2)稳健两步正交 诺列夫列克
三个示例文件 包含在随此下载的包中 命令。 阿贝斯特.do 复制了DPD for Ox附带的两个示例文件, 这反过来又产生了阿雷利亚诺和邦德的大部分GMM结果 (1991). 贝斯特.do 复制DPD附带的另一个示例文件 Ox,基于Blundell和Bond(1998)。 要下载它们,请键入 以下命令或单击它:ssc install xtabond2,all replace。 这将把文件保存到当前目录中 光盘 命令。 格林.do 重现了格林(2002)的一个例子。 工具书类
Arellano,M.和S.Bond。 1991.面板规范的一些测试 数据:蒙特卡洛证据和就业申请 方程。 经济研究综述 58: 277-97. Arellano,M.和S.Bond。 1998.使用动态面板数据估计 用于高斯的DPD98:用户指南。 Arellano,M.和O.Bover。 1995年再次审视乐器 误差分量模型的变量估计。 第页,共页 计量经济学 68: 29-51. Bai,J.和S.Ng.2010年。 数据中的工具变量估计 丰富的环境。 计量经济学理论 26(6): 1577-1606. C.F.Baum、M.E.Schaffer和S.Stillman。 2003.工具变量 以及GMM:评估和测试。 Stata杂志 3: 1-31. Blundell,R.和S.Bond。 1998.初始条件和力矩 动态面板数据模型中的限制。 计量经济学杂志 87: 115-43. 邦德,S.2002。 动态面板数据模型:微观数据方法指南 和实践。 工作文件09/02。 财政研究所, 伦敦。 Doornik,J.A.、M.Arellano和S.Bond。 2002.面板数据估计 使用DPD for Ox。 http://www.nuff.ox.ac.uk/Users/Doornik。 Greene,W.H.2002年 经济计量分析 第5版,Prentice-Hall。 Hayakawa,K.2009年。 一种简单有效的工具变量估计 当N和T都很大时,面板AR(p)模型。 计量经济学理论 25: 873-90. Holtz Eakin,D.、W.Newey和H.S.Rosen。 1988.估计矢量 面板数据的自回归。 计量经济学 56: 1371-95. Kapetanios,G.和M.Marcellino。 2010年因子GM估计 一套可能很弱的仪器。 计算统计与数据 分析 54(11): 265575. Mehrhoff,J.2009年。 解决中仪器过多的问题 动态面板数据GMM。 讨论文件系列1。 编号:31/2009。 Roodman,D.2009年。 如何做xtabond2:介绍“差异”和 Stata中的“系统”GMM。 Stata杂志 9(1):86-136。 Windmeijer,F.2005年。 方差的有限样本修正 线性有效的两步GMM估计量。 计量经济学杂志 126: 25-51.
作者
大卫·鲁德曼 高级研究员 全球发展中心 华盛顿特区 droodman@cgdev.org
另请参见
手册: [U] 23估算和估算后命令 , [U] 29 Stata估算命令概述 , [XT]xtabond(X字节)
在线:xtabond、ivreg、ivreg2、estcom、postest的帮助; x点,