Answers:
您的案子没有其他问题那么麻烦。期望值和线性预测运算符经历线性第一阶段(例如OLS),但不经历诸如probit或logit之类的非线性过程。因此,如果您先将连续的内生变量回归到仪器,这不是问题, 然后在第二阶段的概率中使用拟合值来估算
标准错误将是不正确的,因为不是随机变量,而是估计数量。您可以通过同时引导第一阶段和第二阶段来纠正此问题。在Stata中,这类似于
// use a toy data set as example
webuse nlswork
// set up the program including 1st and 2nd stage
program my2sls
reg grade age race tenure
predict grade_hat, xb
probit union grade_hat age race
drop grade_hat
end
// obtain bootstrapped standard errors
bootstrap, reps(100): my2sls
在此示例中,我们要估计受教育年限对加入工会的可能性的影响。鉴于多年的教育很可能是内生的,因此我们在第一阶段就以多年的任期来衡量它。当然,从解释的角度看这没有任何意义,但是它说明了代码。
只要确保在第一阶段和第二阶段都使用相同的外生控制变量即可。在上面的示例中age, race
,(非感性的)仪器tenure
仅在第一阶段出现。