问题描述
我正在研究一个 N = 30 个国家和 T = 15 年的面板数据集。我正在使用R
和plm
软件包进行分析。
根据 Blundell-Bond(1998)和 Arellano-Bover(1995)的研究,我决定使用System-GMM单步模型,且仅具有个别效果。
但是,我对如何使用pgmm
函数感到困惑,该函数需要一个多部分公式来指定具有IV和我得到的Sargan-Hansen测试结果的模型。
更清楚地说,这是我尝试过的一些代码示例,估计结果和sargan
测试。在我的模型中,我考虑了滞后因变量和外生回归变量。为了避免过长的发布时间,我只报告模型代码和主要结果:
sy_gmm1 <- pgmm(log(GWPcap) ~ lag(log(GWPcap)) + log(GDPcap)|lag(log(GWPcap),2:15) + log(GDPcap),data = europanel,index = c("country","year"),model = "onestep",effect = "individual",transformation = "ld")
sy_gmm2 <- pgmm(log(GWPcap) ~ lag(log(GWPcap)) + log(GDPcap)|lag(log(GWPcap),2:15) | log(GDPcap),transformation = "ld")
sy_gmm3 <- pgmm(log(GWPcap) ~ lag(log(GWPcap)) + log(GDPcap) | lag(log(GWPcap),2) + log(GDPcap),transformation = "ld")
sy_gmm4 <- pgmm(log(GWPcap) ~ lag(log(GWPcap)) + log(GDPcap)|lag(log(GWPcap),2) | log(GDPcap),transformation = "ld")
sy_gmm5 <- pgmm(log(GWPcap) ~ lag(log(GWPcap)) + log(GDPcap) | lag(log(GWPcap),2) + lag(log(GDPcap),1:2),transformation = "ld")
sy_gmm6 <- pgmm(log(GWPcap) ~ lag(log(GWPcap)) + log(GDPcap)|lag(log(GWPcap),2) | lag(log(GDPcap),transformation = "ld")
# Coefficients and p-values of estimates
Estimate p.value Model
lag(log(GWPcap)) 0.90340911 1.525370e-86 1
log(GDPcap) 0.06214275 1.965823e-02 1
lag(log(GWPcap)) 0.97250426 0.000000e+00 2
log(GDPcap) 0.02222075 1.383774e-01 2
lag(log(GWPcap)) 0.81905400 2.615214e-47 3
log(GDPcap) 0.10822697 8.291284e-04 3
lag(log(GWPcap)) 0.82343976 4.873484e-16 4
log(GDPcap) 0.11164469 7.294118e-02 4
lag(log(GWPcap)) 0.84762245 2.754039e-87 5
log(GDPcap) 0.09281759 1.636567e-04 5
lag(log(GWPcap)) 0.86280993 3.843798e-104 6
log(GDPcap) 0.08809634 3.325890e-04 6
# Sargan test
stat df p.value
sargan1 30.00000 128 1.0000000
sargan2 30.00000 104 1.0000000
sargan3 30.00000 50 0.9888352
sargan4 29.64127 26 0.2827384
sargan5 30.00000 63 0.9998660
sargan6 30.00000 28 0.3632178
正如您在模型2、4和6中所看到的,我将外生回归变量log(GDPcap)
放在公式的第三部分,将其与滞后依赖的工具分开。我不知道这是设置公式的正确方法,因为在R文档中指定“常规工具”需要它。这是什么意思?
出于这种怀疑,我想在模型6中使用lag(log(GDPcap))
和我在估算中得到的结果进行实验,log(GDPcap)
很有意义,在Sargan检验中,它们看起来似乎很好。 >
此外,我注意到Sargan检验获得的不同结果,特别是关于自由度,这与我使用的仪器数量和p值非常相关。 据我了解,使用太多的仪器可能是一把双刃剑,特别是考虑到我的样本量,Sargan-Hansen检验可能会遭受损失,从而给出了太高的p值。因此,我的问题是,这六个模型中的哪一个是正确编写的,在估计值(某些模型中,外生回归量不显着)和测试中,我应如何解释得到的结果?
我希望我很清楚,并且有人可以解决我的疑问。预先感谢。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)