7-2SLS回归后诊断
Last updated
Last updated
据有的作者所言，2SLS 的诊断，通常来说是一个容易被忽视的话题，但在书：，作者也提到了一些策略。
因为我的能力有限，就直接参考ivreg 模型诊断的结果：
weak instruments：这个是检验我们的工具变量是不是一个好的工具变量，其与我们的内源变量（自变量，暴露因素X）之间的关系；原假设是weak，所以我们希望这个统计量越大越好，p越小越好，从而拒绝原假设。可见我们结果显示，nearcollege 这个工具变量是一个强工具变量。
Wu–Hausman test：这个是检验内生性的，就是检验我们的自变量是不是和残差有关。在本例中显著，拒绝原假设，认为存在内生变量，即education 是内生变量。一般认为，如果回归变量是外源的，则OLS 与2SLS 显示一致；而如果是内源的，则通常2SLS 的结果会更加准确。在本例中，Wu-Hausman 检验显著，说明存在内生变量，OLS 的结果为29.655，2SLS 结果为107.57，二者不一致，且我们更倾向于接受2SLS 的结果。
Sargan test：这个检验只有在工具变量的个数超过内生变量的个数的时候才有，如果这个检验显著的话就说明至少有一个工具变量是不行的。在我们的案例里，仅有一个工具变量，不考虑。
异常数据诊断（Unusual-Data Diagnostics），比如通过遍历的去除每个样本数据，看最终对回归拟合结果与原来拟合结果的影响。
ivreg的内建方法提供了一个便捷的操作：
其会返回多个检验方法计算出的结果列表。
亦或是我们直接查看随机去除某个样本后的拟合差异：
非线性诊断（Nonlinearity Diagnostics）。这一步大大超出了我的能力，因此仅仅展示一些R 的可视化分析结果：
此外还有crPlots。
我们还可以可视化的展示一些结果：
亦或是比较不同的拟合结果：
具体内容参考：
