互助问答第9期：工具变量、虚拟变量问题等
互助问答第9期：工具变量、虚拟变量问题等
本期解答人：张川川老师
问：我最近在实证中遇到一个问题，我做的是公司财务方面的研究，需要用到tobit模型，同时为了缓解内生性问题的困扰，需要进一步考虑加入公司固定效应，但是我找不到stata中考虑公司固定效应的tobit模型的命令，唯一一个类似的是xttobit，但是这个命令针对随机效应。不知如何解决这个问题。如能回答，不胜感激！
答：tobit模型为受限因变量模型，用于拟合删失数据或截断数据，通常采用MLE估计。tobit模型的参数估计方法无法控制固定效应，也没有对应的STATA命令。这一点在STATA介绍xtobit命令时有专门的说明，同时在说明文件中也引介了针对含固定效应的tobit模型的半参数估计方法，即Honor（1992）（Honoré B. E. 1992. Trimmed LAD and least squaresestimation of truncated and censored regression models with fixed effects.Econometrica 60: 533-565.）。
问：老师们好，看了每一期的问答，很受鼓舞。有一些问题是我在学习写作过程中遇到的，想跟老师请教。
1、ivreg2是否能够对面板数据进行IV回归？与xtivreg又有何区别？
我也阅读了ivreg2的帮助文件，其中相关表述：
①
②
我对帮助文件的理解是：
ivreg2可以处理面板数据。只要声明了数据是面板数据，那么ivreg2的用法跟普通截面数据都一样。但我也测试过，发现用ivreg2对面板数据回归，结果与xtivreg不同，甚至差别很大。
ivreg2和xtivreg推荐哪个回归结果更可靠？恳请老师给予指点。
答：ivreg2可以对面板数据进行IV回归，估计时候在模型中放入固定效应即可，估计结果同使用xtivreg得到的估计结果是一致的。上面的命令没有控制固定效应，需要在解释变量中加入i.id.下面两幅截图分别是使用ivreg2 和 xtivreg估计的结果，参数估计值是完全相同的。
问：在stata程序中，关于i. c. * #的疑问。这些小细节我也不知道在stata如何查看帮助文件
①经常看到i. c. ,两者在构造虚拟变量时有啥区别？
②我见到以下命令：面板数据
reg y x i.year i.id c.year#i.id //这里的#构造了一个什么样的数据？（也有遇到过##的命令）
另外就是，如若弄懂了i. c.等意思，那么 c.year#i.id这样的在回归中又有什么经济意义呢？
谢谢。也许我问的太肤浅。恳请老师指导。
答：（1）i.c. 都为运算子，i.用于针对离散变量生成0-1变量；c.用于连续变量。
（2）相当于针对每一个id生成一个0-1变量，并于year相乘生成交互项。如果是##的话，不仅生成交互项，还会同时针对每一个id生成一个0-1变量，同时也生成变量age，换言之，c.year##id相当于同时放入了year i.id c.year#id
（3）没有经济意义。只是一个使用一个算子生成系列变量，作为控制变量放入方程。
如果您在计量学习和实证研究中遇到问题，请及时发到邮箱szlw58@126.com，专业委员会有20名编辑都会看，您的问题会得到及时关注！请您将问题描述清楚，任何有助于把问题描述清楚的细节都能使我们更方便地回答您的问题。
如果您想成为问题解答者，在帮助他人过程中巩固自己的知识，请发邮件至szlw58@126.com（优先）或给本公众号留言或加微信793481976给群主留言，我们诚挚欢迎热心的学者和学生。具体招募信息请参见：实证研究互助平台志愿者团队招募公告
鲜活的事例更有助于提高您的研究水平，呆板的教科书让人生厌。如果您喜欢，请提出您的问题，也请转发推广！
如果您觉得有帮助，欢迎打赏。