《表3 工具变量检验结果》
注:识别不足检验和过度识别检验中,无括号的数字为检验的统计量值,括号中的数字为相应p值;弱工具变量检验中,5%、10%下的数值表示5%、10%水平下拒绝域的临界值。
使用工具变量法得到回归结果后,需要检验模型是否存在识别不足、弱工具变量以及过度识别等问题,检验结果如表3所示。识别不足检验的原假设为模型存在识别不足的问题,工具变量与内生变量不相关;模型2、模型4以及模型5的p值分别为0.01、0.004 8以及0.004 6,均在1%的水平上拒绝原假设,因此三个模型不存在识别不足的问题。弱工具变量是在识别不足的基础上进一步提出,工具变量与内生变量具有一定的相关性,但相关性非常低,该检验的原假设为工具变量与内生变量具有较强的相关性;从表中可以看到,无论是5%还是10%水平下均无法拒绝原假设,即不存在弱工具变量的问题。过度识别检验的原假设为工具变量与内生变量相关,与干扰项无关;模型2、模型4以及模型5的p值分别为0.173 7、0.125 7以及0.118 6,无法拒绝原假设,因此工具变量的选择是合理的。
图表编号 | XD003552900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 沈蕾、田翰 |
绘制单位 | 武汉理工大学经济学院、武汉理工大学经济学院 |
更多格式 | 高清、无水印(增值服务) |