对于不熟悉Stata的以下代码段的人,OP提供了
ivreg my_dv var1 var2 var3 (L.my_dv = D2.my_dv D3.my_dv D4.my_dv)
这个等式可以读成
Yt=α+β1(Var1)+β2(Var1)+β3(Var1)+β4(Y~t−1)
Y~t−1
Y~t−1=α+Z1(Δ2Yt)+Z2(Δ3Yt)+Z3(Δ4Yt)
(即IV方程的第一阶段在Stata代码的括号内)
增量表示二阶,三阶和四阶差异,它们被用作排除工具以估计因变量的滞后。
L.
t−1D.
D2.
最初,我无法想到有人会这样做的任何逻辑推理。但是Kwak指出(参考本文),Arellano-Bond方法使用差异作为工具来估计模型的自回归分量。(最初我还假设,如果系列是非平稳的,差异只会产生影响,邦德在那篇链接论文中指出,只有在系列是随机游走的情况下,差异才是微弱的工具,第21页) )
作为进一步阅读材料作为工具变量简介的建议,
此回应中的另一位张贴者(查理)与他准备的一些我喜欢的幻灯片相关联,并建议寻找工具变量简介。我还建议这个简报的一位我的教授也准备为一个研讨会做介绍。作为对学习更多有关工具变量感兴趣的任何人的最后建议,您应该查阅Joshua Angrist的著作。
这是我最初的答案
L.
t−1D.
D2.
在我所看到的所有应用程序中,人们都使用自变量的滞后作为估计因变量的滞后的工具(由于ars谈到的原因)。但这是基于这样的假设:在应用变量的时间段内,滞后自变量对于误差项是外生的。
我不知道有什么理由会将因变量的差异视为外生的。据我所知,仅对等式的一侧求差是不可接受的,并且会产生相当不合逻辑的结果(这是一篇论文,对某人的相反情况提出了批评,在这种情况下,他们将变量水平作为预测的变量。如果您重新排列IV方程中的项,则实际上看起来类似于增强的Dickey Fuller检验。
虽然最简单的答案是问编写代码的人,但是有人可以举例说明此过程可以接受,还是在任何情况下该过程将返回有意义的结果?因为我不能想到任何逻辑上的理由,除非系列是非平稳的,否则差异为什么会对水平产生影响。