本文目录一览：
- 1、养殖圈儿互助问答母羊流产了，胎衣没下完怎么治
- 2、Discuz论坛中怎么修改标题颜色?
- 3、互助问答第14期：工具变量和多重共线性
- 4、互助问答第8期：微观企业非平衡面板数据问题等
养殖圈儿互助问答母羊流产了，胎衣没下完怎么治
胎衣不下是指孕羊产后4-6小时，胎衣仍排不下来的疾病。
1． 发病原因 该病多因孕羊缺乏运动，饲料中缺乏钙盐、维生素、饮饲失调，体质虚弱。此外，子宫炎、布氏杆菌等也可致病。有报道，羊缺硒也可致胎衣不下。
2． 症状 病羊常表现拱腰努责，食欲减少或废绝，精神较差，喜卧地；体温升高；呼吸及脉搏增快。胎衣滞留不下，可发生腐败，从阴户中流出污红色腐败恶臭的恶露，其中杂有灰白色未腐败的胎衣碎片或脉管。当全部胎衣不下时，部分胎衣从阴户中垂露于后肢跗关节部。
3． 防治方法 ①病羊分娩后不超过24小时的,可应用垂体后叶素注射液、催产素注射液或麦角碱注射液0.8-1毫升，一次肌肉注谢。②应用药物方法已达48-72小时而不见效者，宜先保定好病羊，按常规准备及消毒后进行手术,术者一手握住阴门外的胎衣，稍向外牵拉；另一手沿胎衣表面伸入子宫轻轻剥离胎盘，最后宫内灌注抗生素或防腐消毒药液，如土霉素2克，溶于100毫升生理盐水中，或注入0.2 %普鲁卡因溶液30-50毫升。③中药可用当归9克、白术6克、益母草9克、桃仁克、红花6克、川芎3克、陈皮3克，共研细末，开水调后灌服。当体温高时，宜用抗生素注射。
Discuz论坛中怎么修改标题颜色?
版块
»
版块管理
=red你问我答
|
互帮互助/
效果是:
板块和简介都为红色
把red替换成其他颜色英文就换成其他颜色
互助问答第14期：工具变量和多重共线性
问：工具变量到什么程度才合适？
对短面板数据进行GMM回归的时候，遇到两种情况：
①工具变量通过了弱工具变量检验、识别不足和过度识别检验，再用DM检验的时候还是显著的；
②工具变量通过了弱工具变量检验、识别不足和过度识别检验，但用DM检验的时候不是显著的；
看到连玉君教授的一篇文章，选了两个工具变量，汇报了工具变量通过了识别不足和过度识别检验，DWH检验显著。
由此，认为符合第一种情况表明选取的工具变量合适；但也不太确定，想听听您的看法。
答：
工具变量方法经历了两个阶段的发展。传统的工具变量方法中，在线性模型设定下，工具变量需要满足工具变量 外生性 和工具变量 相关性 两个假设，这在本科层次的计量教科书中一般都有涉及。在这种情况下，满足这两个假设的变量才是合格的工具变量。Imbens and Angrist（1994）一文的发表则将工具变量方法推向了新的阶段，在这一发展阶段，允许异质性处理效应存在，工具变量方法识别假设的提出和估计量的推导都是在Donald Rubin提出的潜在结果分析框架下进行的，此时IV估计的是局部平均处理效应，IV估计的有效性要求工具变量满足四个条件：（1）工具变量是随机产生的；（2）满足排他性约束；（3）满足单调性假设；（4）满足工具变量相关性。严格的数学表达请参见Imbens and Angrist（1994）。提问中提到的的“工具变量到什么程度才合适？”，准确的回答应该是满足上述四条假设才合适。
提问中提到的弱工具变量检验用于检验假设（4）；识别不足检验只需要满足工具变量的个数多余内生变量的个数，这个通常都是满足的；过度识别检验是在假设不存在异质性处理效应的情况下，检验工具变量是否外生的一种方法，该检验只有在存在过度识别（工具变量个数（用N表示）多于内生变量个数（用K表示））的情况下才可以做，并且要求至少有K个工具变量已经满足外生性条件，这样才能检验剩下的N-K个变量是否外生。因此，总结来看过度识别假设检验需要两个很强的假设：（1）至少有K个有效地工具变量；（2）不存在异质性处理效应，因此使用过度识别检验检验工具变量的外生性并不是一种可靠地方法，其检验结果能够提供的有效性信息并不多。DM检验（此处指的应该是Davidson-MacKinnon检验）则是用于检验OLS估计量是否是一致估计，即解释变量是否存在内生性的检验方法，同更常用的Hausman test类似。有观点认为，只有当DW检验或者Hausman检验拒绝原假设，即显示OLS估计存在内生性的时候，才需要使用IV估计，因为IV估计虽然和OLS估计一样是一致估计量的，但是有效性劣于OLS估计。但是，上述内生性检验依赖于我们已经拥有了有效的工具变量，从而能够得到一致估计量，这是很强的假设，很难实现，因为找到一个符合条件的IV实在太难了，更重要的是，我们无法保证我们所使用的工具变量是有效的，所以我们也无法保证DM检验或者Hausman检验的结论一定是有效的。在这种情况下，我本人更倾向于基于变量之间的理论关系和具体的模型设定来判断OLS估计是否内生，从而决定是否需要采用工具变量方法，而不是依赖于某个检验。
参考文献：Imbens and Angrist, 1994,“Identification and Estimation of Local Average Treatment Effects”, Econometrica, 62(2): 467-475.
问：如图，自变量与交乘项多重共线性过高，怎么办？
答：
解释变量之间存在高度的共线性本身并不一定影响方程的估计。首先，当前实证研究的核心目的在于实现因果推断，即估计某一个特定解释变量X对被解释变量Y的因果关系，如果高度共线性只是存在于控制变量之间，则既不会影响X参数估计的一致性，也不会影响有效性，我们完全无需担心；其次，如果我们关心的变量X同其他控制变量，例如变量Z之间存在高度共线，则共线性本身不影响我们估计的一致性，但是会影响估计的有效性。在第二种情况下，如果Z本身对Y有影响，遗漏Z会导致严重的遗漏变量偏误，因此，根据一致性优先于有效性的原则，我们仍然需要控制变量Z；如果Z本身对Y没有影响，则Z属于无关变量，遗漏Z不会影响一致性，但能够改善有效性，我们应该从方程中去掉Z。
学术指导：张晓峒老师
本期解答人：张川川老师
编辑：粥粥 小精灵 一个聪慧的人
统筹：芋头
技术：知我者
互助问答第8期：微观企业非平衡面板数据问题等
本期解答人：左翔老师
问： 我的计量实证问题如下，希望您能帮助解答，谢谢！
数据情况：数据为微观企业非平衡面板，“正在试点省（市）”为解释变量，“报纸版面与试点时间交互”为工具变量，为截面数据。如下截图为我执行命令时候遇到的情况： 显示too few variables specified
答： 面板数据中，如果存在不随时间变化的遗漏变量ui和解释变量xit相关，则可以通过解释变量和被解释变量同时去均值后回归来解决，因为有：yit −y̅ = (xit − x̅)β + (ui − u̅) + (εit− ε̅)=(xit − x̅)β + (εit− ε̅),此时ui没有了，而(εit −ε̅)和(xit − x̅)线性无关，则能实现β的一致估计。这也被称为固定效应模型。
固定效应一个潜在的不方便之处是，无法估计那些同一个体在时间上没有变异变量的系数，因为去均值时，所有个体这一变量会都变成0(xi−x̅=0)，从而无法估计。
在本题的两阶段OLS中，如果第一阶段也采用了固定效应模型，由于工具变量是横截面数据，不随时间变化，所以无法估计系数。
如果不同省份的试点时间有差异，建议采用报纸版面与该省是否试点虚拟变量（试点=1否则=0）交乘项作为工具变量，或许可行。
事实上，面板数据找到既随时间变化又随个体变化的工具变量十分不容易，Duflo andPande(2007)采用预测的内生变量拟合值来作工具变量是一个值得学习的办法，具体实证策略请读原文。
问： 假如自变量是0,1变量，那么该如何进行工具变量检验呢？这时候工具变量第一阶段，即对自变量进行predict，按道理应该需要用logit回归，在这种情况下，传统的ivreg2是不是都采用的ols，应该不能用了吧？此外，如果第一阶段采用logit回归进行predict，得到fitted value代入第二阶段进行ols回归，怎么查看第一阶段工具变量的显著性呢？我看了一下，第一阶段没有输出F值。
答： 1.在两阶段最小二乘估计中，无论解释变量是否是0-1变量，两个阶段都可以采用OLS估计，可以证明，只要是好的工具变量，则系数是一致估计。其实任何教科书在解释两阶段最小二乘法时，并没有限制内生变量是否是0-1变量。当然，如果Treatment 有异质性，则此时的工具变量估计是LATE（ local average treatment effects ）。
2.当被解释变量是0-1变量时，如果x外生，线性概率模型仍然是一致估计，之所以对其不够满意，原因在于：（1）估计的y的拟合值可能不在[0,1]区间里面。（2）此时y或误差项ui存在异方差：
采用非线性模型（如logit或probit模型）在一定假设下能解决上述问题，但同时也出现系数解释的难度增加等问题。因此，如果x异常值不是很多，许多文献也采用线性概率模型来估计，或者两个方法都使用来检查稳健性。考虑到两阶段最小二乘在第一阶段使用非线性概率模型会大大提高第二阶段解释的难度，实践中大量文献第一阶段都采用OLS.
3.如果作者希望使用非线性模型，Wooldrige（2002）在18章第4节建议的方法是，先用logit或probit模型估计得到拟合值p̂，然后再以p̂作为工具变量使用两阶段最小二乘法估计。（这和上一题中Duflo and Pande(2007)的方法异曲同工）。此时直接ivreg2等相关命令应该没问题。
参考文献：
Duflo and Pande,2007, Dams, The Quarterly Journal of Economics, Vol.122, No. 2 , pp. 601-646.
Wooldridge.J,2002:Econometric Analysis of Cross Section and Panel Data, [M].MIT Press.
上述问答部分重要细节请教了慧航老师，在此表示感谢。
