Interpretación de los diagnósticos de ivreg() en R

Question

Estoy tratando de entender la interpretación de los diagnósticos del ivreg() en R, del paquete {AER}. Ejecutar el código de ejemplo proporcionado en la página de ayuda:

## data
data("CigarettesSW", package = "AER")
CigarettesSW$rprice <- with(CigarettesSW, price/cpi)
CigarettesSW$rincome <- with(CigarettesSW, income/population/cpi)
CigarettesSW$tdiff <- with(CigarettesSW, (taxs - tax)/cpi)

## model 
fm <- ivreg(log(packs) ~ log(rprice) + log(rincome) | log(rincome) + tdiff + I(tax/cpi), data = CigarettesSW, subset = year == "1995")
summary(fm, vcov = sandwich, df = Inf, diagnostics = TRUE)

Se obtiene la siguiente salida:

Call:
ivreg(formula = log(packs) ~ log(rprice) + log(rincome) | log(rincome) + 
tdiff + I(tax/cpi), data = CigarettesSW, subset = year == 
"1995")

Residuals:
   Min         1Q     Median         3Q        Max 
-0.6006931 -0.0862222 -0.0009999  0.1164699  0.3734227 

Coefficients:
         Estimate Std. Error z value Pr(>|z|)    
(Intercept)    9.8950     0.9288  10.654  < 2e-16 ***
log(rprice)   -1.2774     0.2417  -5.286 1.25e-07 ***
log(rincome)   0.2804     0.2458   1.141    0.254    

Diagnostic tests:
             df1 df2 statistic p-value    
Weak instruments   2  44   228.738  <2e-16 ***
Wu-Hausman         1  44     3.823  0.0569 .  
Sargan             1  NA     0.333  0.5641    

Me interesa la interpretación de las pruebas diagnósticas. ¿Significa esto que los instrumentos son débiles o no? ¿Qué significa el Wu-Hausman, dado que es significativo al nivel del 10%? ¿Qué significa que Sargan no sea significativo?

Answer 1

Este La presentación proporciona una visión general decente con ejemplos trabajados.

Instrumentos débiles significa que el instrumento tiene una baja correlación con la variable explicativa endógena. Esto podría dar lugar a una mayor varianza del coeficiente y a un grave sesgo de muestra fina. "El remedio puede ser peor que la enfermedad" (Bound, Jaeger, Baker, 1993/1995). Véase ici para más detalles. En el archivo de ayuda de AER, se dice que hace una prueba F en la primera etapa de regresión; creo que la nula es que el instrumento es débil. Para el modelo que usted reporta, se rechaza la nulidad, por lo que puede avanzar con la suposición de que el instrumento es suficientemente fuerte.

Wu-Hausman prueba que el IV es tan consistente como el OLS, y puesto que el OLS es más eficiente, sería preferible. La nula aquí es que son igualmente consistentes; en este resultado, Wu-Hausman es significativo en el nivel p<0.1, así que si usted está bien con ese nivel de confianza, eso significaría que IV es consistente y OLS no.

Sargan prueba las restricciones de sobreidentificación. La idea es que si se tiene más de un instrumento por variable endógena, el modelo está sobreidentificado y se tiene un exceso de información. Todos los instrumentos deben ser válidos para que las inferencias sean correctas. Por lo tanto, comprueba que todos los instrumentos exógenos son realmente exógenos y no están correlacionados con los residuos del modelo. Si es significativo, significa que no tiene instrumentos válidos (en algún lugar, ya que es una prueba global). En este caso, esto no es preocupante. Esto puede ser más complejo, y los investigadores han sugerido que se realicen más análisis (véase este ).