Para aquellos no familiarizados con el siguiente fragmento de código de Stata el OP siempre
ivreg my_dv var1 var2 var3 (L.my_dv = D2.my_dv D3.my_dv D4.my_dv)
esta ecuación se puede leer como
$Y_t = \alpha + \beta_1 (Var1) + \beta_2 (Var1) + \beta_3 (Var1) + \beta_4 (\tilde{Y}_{t-1})$
donde $\tilde{Y}_{t-1}$ es estimado por la
$\tilde{Y}_{t-1} = \alpha + Z_1(\Delta^{2}Y_t) + Z_2(\Delta^{3}Y_t) + Z_3(\Delta^{4}Y_t)$
(es decir, la primera etapa de la IV ecuación está dentro de los paréntesis en el Stata código)
Los deltas representan el segundo, tercer y cuarto orden diferencias, y se utilizan como instrumentos excluidos para estimar el retardo de la variable dependiente.
En Stata código, el L. indica quedando a la que la variable $t-1$, e D. significa primeras diferencias de orden de esa variable, y por lo tanto, D2. significa que de segundo orden de diferenciación.
Al principio yo no podía pensar en ningún razonamiento lógico ¿por qué alguien haría esto. Pero Kwak señaló (que hacen referencia a este documento) que los Arellano-Bond método utiliza las diferencias como instrumentos para la estimación de la auto-regresivo de los componentes de la modelo. (También al principio había supuesto que las diferencias sólo tienen efecto si la serie es no estacionaria, que de Bonos de los estados en los que enlaza el papel de las diferencias sólo será débil instrumentos en el caso de que la serie es un paseo aleatorio, en la pg. 21)
Como sugerencias sobre más material de lectura como de introducción de variables instrumentales,
Otro cartel en esta respuesta (Charlie) vinculados a algunas de las diapositivas que preparado que me gusta y me sugieren que son vale la pena considerar para una introducción de variables instrumentales. Te recomiendo también este powerpoint a un profesor mío, preparado para un taller como una introducción así. Como una última sugerencia para cualquier persona instrested en aprender más acerca de variables instrumentales usted debe buscar el trabajo de Josué Angrist.
Aquí está mi respuesta inicial
Aunque estoy de acuerdo con todo lo que Kwak y el ars han dicho, todavía no puedo pensar en ninguna razón por qué alguien usaría las diferencias de los dependientes de la variable como instrumentos para estimar el retardo de la variable dependiente (si la gente no sabe de Stata código, el L. indica quedando a la que la variable $t-1$, e D. significa primeras diferencias de orden de esa variable, y por lo tanto, D2. significa de segundo orden de diferenciación).
En todas las aplicaciones que he visto, la gente usa el lag de independiente variables como instrumentos para estimar el retardo de la variable dependiente (por razones ars habla). Pero esto se basa en la suposición de que los rezagados de las variables independientes son exógenos para el término de error en el período de tiempo en que se están aplicando.
No sé de ningún razonamiento en el que las diferencias de la variable dependiente sería considerado exógeno. Hasta donde yo soy consciente de que no es una práctica aceptada diferencia de sólo un lado de la ecuación, y produciría más ilógico de los resultados (aquí es un documento que critica a alguien sobre la situación inversa en la que se incluye una de las variables de nivel como un predictor de un diferenciadas de la serie). Si usted reorganizar los términos en la ecuación IV que en realidad se ve similar a una aumentada de Dickey Fuller prueba.
Mientras que la respuesta más sencilla sería pedirle a la persona que escribió el código, ¿alguien puede dar un ejemplo en el que este procedimiento sería aceptable, o cualquier situación en la que este procedimiento de devolución de algunos resultados significativos? Como es que no se puede pensar de cualquier razonamiento lógico ¿por qué las diferencias que pudieran tener un efecto sobre los niveles excepto en el caso de que la serie es no estacionaria.
