互助问答第60期：利用tobit和ivtobit进行实证分析中遇到的问题
今日问题
老师，您好！ 我在使用tobit和ivtobit进行实证分析，被解释变量是夏普比率，主要解释变量是是否有住房，有住房为1，没有为0。想请教您几个问题： （1）使用tobit回归时，正向显著的控制变量，在使用ivtobit回归时，结果是负向显著，主要解释变量没有这个问题。我的ivtobit命令是
ivtobit shape income age wealth marriedhealth (household＝ivprice),twostepfirst ll（0）
请问老师，我的这种回归结果是否可用呢？出现这种问题的原因是什么呢？
（2）使用上述ivtobit命令进行回归后，得到的F值是15.68，小于16.38，我参考的文献中，有的说F值＞10，可以消除弱工具变量问题，有的说F＞16.38才可以消除弱工具变量问题，请问老师用上述命令得出的F值应该根据10还是16.38来判断是否有弱工具变量问题呢？感谢！
今日解答
问题（1）： 模型可能不够稳健。是否有共线性问题？共线性会导致符号相反。或者工具变量是否合适？比如stata中的ivtobit命令跑模型的时候，一般要求内生变量为连续变量了，工具变量搞了个虚拟变量？ Tobit用MLE估计。Tobit模型的一个缺陷是对分布的依赖性很强，不够稳健。如果发现扰动项不服从正态分布或存在异方差，则MLE或QMLE估计就不一致。为检验正态性，可将Tobit模型的MLE一阶条件视为矩条件，并进行条件矩检验。条件矩统计量的真实分布与渐近分布有相当差距，存在较严重的显著性水平扭曲，故使用参数自助法获得校正的临界值(Drukker,2002)。条件矩检验可使用非官方命令tobcm实现，但该命令仅适用于左归并，且归并为点为0的情形。net install tobcm.pkg //下载安装命令tobcm如能安装则，findit tobcmpackage tobcm from http://www.stata.com/users/ddrukkerINSTALLATION FILES (click here to install) tobcm/tobcm.ado tobcm/tobcm.hlp
tobcm/_tobsimdta.ado
(click here to install)
tobcm [ , pbs bsfile(filename) reps(#)]
tobcm, pbs reps(500)
tobcm,pbs //对正态性假设进行条件矩检验，其中pbs表示用参数自助法获得临界值。
如果发现扰动项不服从正态分布或存在异方差，解决办法之一是用“归并最小绝对离差法”（CLAD），其他解决办法包括“样本选择模型”和“归并数据的两部分模型”。
CLAD:
net install sg153.pkg //下载clad
findit clad
package name: sg153.pkg
from: http://www.stata.com/stb/stb58/
(click here toinstall)
clad varlist [if exp][in range] [, reps(#) psu(varname) ll[(#)] ul[(#)]
dots saving(filename) replace level(#)
quantile(#) iterate(#) wlsiter(#)]
Examples
--------
clad lwage expschool, reps(500) psu(cluster)
归并数据的两部分模型：
第一部分为二值选择模型，第二部分对参与者组成子样本进行OLS。
Examples
--------
Usewomenwk.dta,clear
G lwd=(lwf>0)
probit lwd agemarried children education,nolog
reg lwf agemarried children education if lwd==1,r
…(陈强，高级计量经济学与stata应用，245页)
而提问者使用了两步法进行OLS实施ivtobit 模型，如果使用tobit时的MLE，则可能不易收敛。
总之，ivtobit和tobit的回归方法有差异，而且Tobit模型的一个缺陷是对分布的依赖性很强，不够稳健。当然可以尝试tobcm、clad等这些命令，以及非两步法，即MLE估计ivtobit。
Maximum likelihood estimator
ivtobit depvar [varlist1] (varlist2 =varlist_iv) [if] [in] [weight] ,
ll[(#)] ul[(#)] [mle_options]
Examples:
webuse laborsup
Obtain full ML estimates
. ivtobit fem_inc fem_educ kids (other_inc= male_educ), ll
. ivtobit fem_inc fem_educ kids(other_inc = male_educ), ll(12)
而两步法的写法：
Obtain two-step estimates
. ivtobit fem_inc fem_educ kids(other_inc = male_educ), ll twostep
. ivtobit fem_inc fem_educ kids (other_inc= male_educ), ll(12) twostep
问题（2）：这个是两阶段最小二乘法,即2SLS判断弱工具变量的办法，也是基于经验，可靠的是看第一阶段报告的F统计量的伴随概率p值是否很小地接近于0。ivprobit和ivtobit的两步法又叫控制函数法，如果ivtopit的F统计量F(3,496)=35，其伴随概率为0，即p=0.000,那么可以认为不存在弱工具变量。总之还是看第一步回归的F统计量的伴随概率。
学术指导：张晓峒老师
本期解答人：谢杰老师
编辑：李光勤
统筹：易仰楠 李丹丹
技术：知我者 赵雅轩 郭凯
往期回顾
互助问答第59期：多期DID平行趋势检验以及因子分析累计方差贡献率
互助问答第58期：多对多匹配中的joinby与merge
互助问答第57期：门槛回归和取对数问题
长按二维码识别关注我们
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30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，提问细则参见：实证研究互助平台最新通知
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！
（欢迎转发，欢迎分享；转载请注明出处，引用和合作请留言。本文作者拥有所有版权，原创文章最早发表于“论文导向计量实证社区”。任何侵权行为将面临追责！）
