外观
IV-GMM 教程
在存在内生性且需要更灵活权重矩阵时，理解 GMM 识别与关键统计量。
常用 Stata 命令
ivregress gmm y exog (endog = ivs), vce(robust) 在 STATAU 中打开此功能
IV-GMMivregress gmm工具变量 GMM
这个页面解决什么问题
如果你已经理解 2SLS，但希望在异方差等情形下使用更灵活的矩估计思路，IV-GMM 就是顺着同一套变量角色继续往前走的一步。页面重点仍然是区分外生变量、内生变量和工具变量，只是估计方式更进一步。
适用数据与前提
至少需要一个内生变量和一组工具变量，并提前想清楚识别逻辑。
STATAU 页面中每个位置应该放什么变量
| 网站位置 | 应放入的变量 | 说明 |
|---|---|---|
| 因变量 (Y) | 结果变量 | 最终要解释的因果结果变量。 |
| 外生解释变量 / 控制变量 | 不需要工具变量处理的解释变量 | 与 2SLS 中的外生变量角色一致。 |
| 内生解释变量 | 怀疑存在内生性的变量 | 至少选择一个。 |
| 工具变量 | 排除限制变量 | 用于识别内生变量。 |
| GMM 迭代次数 | 迭代上限 | 决定矩估计迭代的停止上限。 |
Stata 等效代码
ivregress gmm [因变量] [外生变量] ([内生变量] = [工具变量]), vce(robust)| Stata 代码位置 | STATAU 网站对应位置 | 应放入什么 |
|---|---|---|
[因变量] | 因变量 (Y) | 要解释的结果变量。 |
[外生变量] | 外生解释变量 / 控制变量 | 不需要工具变量处理的变量。 |
([内生变量] = [工具变量]) | 内生解释变量 + 工具变量 | 决定 IV-GMM 的识别结构。 |
vce(robust) | 标准误计算方式 | 会影响权重矩阵和协方差估计方式。 |
可删除代码段提示
- 如果当前只想先对照 2SLS，不必一开始就把迭代次数调得很高。
- 如果不使用聚类标准误，聚类变量整组可以留空。
在 STATAU 中操作步骤
- 先区分外生变量、内生变量和工具变量。
- 再决定 GMM 相关设定，并重点查看识别统计量。
结果怎么看
- 除了系数本身，更要看识别检验和工具变量有效性指标。
- 如果工具变量本身不稳，换成 GMM 也不会自动解决识别问题。
论文表述示例
- 可以写成：“在使用 IV-GMM 估计后，核心结论与 2SLS 结果方向一致，说明识别结果具有一定稳健性。”
常见使用误区
- IV-GMM 不是“自动更好”的 2SLS，真正决定可信度的仍是工具变量质量。
- 如果你说不清为什么要从 2SLS 换到 GMM，优先先把 2SLS 解释扎实。