处理面板数据的内生性偏差: 广义矩估计方法GMM
凡是搞计量经济的，都关注这个号了
稿件：econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
前不久，社群讨论了0.练练手, 分享一份完整复制出文章的实证结果的数据和代码，1.“显著不显著的后背是什么, 非(半)参估计里解决内生性”，2.“计量社群里关于使用交互项还是中介效应分析开展机制研究的讨论”，3.“为啥面板数据回归中, 即使X对Y的解释程度很大, 但R-square一般都很小?”，4.多期DID中使用双向固定效应可能有问题! 又如何做平行趋势检验? 多期DID方法的最新进展如何?，5.收入和年龄等变量是将其转化成有序离散变量还是当成连续变量进行回归呢？6.控制变量就能影响结果显著性, 所以存在很大操作空间, 调参数是常用手段吗？7.回归中常数项显著说明模型中有遗漏变量问题？8.审稿人有义务告诉你回归中可能的遗漏变量么？等等。这些讨论中有很多非常高质量的内容值得被记录起来，因此后面会形成一个计量圈社群讨论专栏。
正文
今天推荐一篇《处理面板数据的内生性偏误:广义矩估计方法GMM》，值得一看，当然并不是强调在面板数据中只使用GMM去解决内生性问题。关于GMM方法，可以参考：1.GMM和工具变量在面板数据中的运用, 一篇文章学会操作流程！2.最近50篇使用系统GMM开展实证研究的papers合辑！3.动态面板模型的王冠—系统GMM什么鬼？４.内生性, 工具变量与 GMM估计, 程序code附，５.GMM方法的理论机制，和引入动机深挖，６.IV和GMM相关估计步骤，内生性、异方差性等检验方法，7.GMM是IV、2SLS、GLS、ML的统领，待我慢慢道来，8.把动态面板命令讲清楚了，对Stata的ado详尽解释，9.搞懂因果推断中内生性问题解决方法必读的书籍和文献已搜集好！10.世界范围内使用最多的500个Stata程序,再不使用你就真的out了。
内生性偏误可能导致不一致的系数估计和不正确的统计推断，进而可能提供误导的结论和不恰当的理论解释。有时这种偏误甚至会导致系数出现相反的符号。虽然这是一个长期存在的问题，但它现在正在经济学和管理科学中出现，TOP期刊越来越多地考虑到这个问题。在本文中，我们展示了如何检验和处理面板数据中的内生性问题。为了说明问题，我们使用了101家英国上市公司在15年期间（即2002年至2016年）的观察数据集，检验了研发支出、公司治理和公司特征对绩效的直接影响。由于内生性偏误，我们的分析结果表明，在普通最小二乘(OLS)方法、固定效应和广义矩估计法(GMM)估计下的结果存在显著差异。我们还提供了通用的STATA命令，学术研究人员可以利用该命令来实现GMM模型估计，该模型更好地控制了三种内生性来源，即未观测到的异质性、联立性和动态内生性。
内生性偏误可能有不同的来源，并且存在不同的方法来解决它们。例如，常用动态广义矩方法(GMM)来处理面板数据中的内生性问题(即动态内生性偏误)，常用两阶段最小二乘法(2SLS)/三阶段最小二乘法(3SLS)来处理调查数据中的内生性问题。一些研究人员最近提供了一些综述，以理解关键的内生性概念和相关计量方法（例如，参见Zaefarian et al.，2017）。然而，关于如何对特定的研究问题执行这些技术的一步一步的过程仍然缺乏。因此，我们提供了关键的内生性来源和解决方案的简明概述，并通过一个由15年观测区间组成的面板数据集的案例研究全面展示了GMM方法的操作步骤。
就内生性问题及其解决方法，参看例如：0.看完顶级期刊文章后, 整理了内生性处理小册子；1.“内生性” 到底是什么鬼? New Yorker告诉你；2.Heckman两步法的内生性问题(IV-Heckman)；3**.IV和GMM相关估计步骤，内生性、异方差性等检验方法；4.最全估计方法，解决遗漏变量偏差，内生性，混淆变量和相关问题；5.毛咕噜论文中一些有趣的工具变量！；6.非线性面板模型中内生性解决方案；7.内生性处理的秘密武器－工具变量估计；8.内生性处理方法与进展；9.内生性问题和倾向得分匹配；10.你的内生性解决方式out, ERM独领风骚；11.工具变量IV必读文章20篇, 因果识别就靠他了；12.面板数据是怎样处理内生性的；13.计量分析中的内生性问题综述；14.工具变量IV与内生性处理的解读；15.一份改变实证研究的内生性处理思维导图；16.Top期刊里不同来源内生性处理方法；17.面板数据中heckman方法和程序(xtheckman)；18.控制函数法CF, 处理内生性的广义方法；19.二值选择模型内生性检验方法；20.2SRI还是2SPS, 内生性问题的二阶段CF法实现；21.内生变量的交互项如何寻工具变量；22.工具变量精辟解释, 保证你一辈子都忘不了，23.不同来源的内生性问题需要不同的修正方法！24.实证分析中的内生性问题综述,一篇值得阅读和推荐的作品!，25.一张图掌握Top期刊里不同来源内生性处理方法！26.简洁的内生性问题处理思维流程图, 并且还附上检验的代码！27.最全利用工具变量控制内生性的步骤和代码—在经管研究中的应用，28.实证研究中自选择基础上的内生性问题回顾, 建议和纠正措施！29.实证研究中基于自选择的内生性问题修正方法:回顾、建议与模拟！30.不同来源的内生性问题需要不同的修正方法！31.不用IV, 基于异方差解决内生性问题方法的使用建议, 附上程序和示例！32.最清晰的内生性问题详解及软件操作方案！实证研究必备工具！33.内生性问题研究: 4篇推荐与8点认识，34.Quasi-experiment经典文章, 有趣且内生性检验新颖，35.天下回归, 无内生性不破, 唯此神文不破, 练就内生性处理的终极大法！等等
可以自行搜索一下，计量经济圈公众号搜索功能及操作流程演示
下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。
2.5年，计量经济圈近1000篇不重类计量文章，
可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle
数据系列：空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 | 夜间灯光 | 官员方言 | 微观数据 | 内部数据计量系列：匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 200篇合辑 | 因果识别 | 社会网络 | 空间DID数据处理：Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |干货系列：能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 | 名家经验计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。