二值logit模型的适用条件_二值变量的模型选择、内生转换模型和HECKMAN两阶段选择模型区别...
(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！
解答：
(1)如果被解释变量是二值变量，处理内生性问题一般采用ivprobit命令。你说的ivprobit命令不行，是什么意思？是命令无法执行，还是结果并不理想。如果是前者，那你需要检验你的被解释变量是不是二值变量；如果是第二种情况，那么你需要考虑你的工具变量在经济学里是不是理想的工具变量。
(2)对于这个问题，计量经济圈公众号有相应的文章可以参考(Heckman模型out了,内生转换模型掌控大局)，现将这篇文章的相关内容贴在这里，供大家理解：
Heckman模型关注的是那个可观察的方程，然后研究两变量之间的关系。比如，研究有没有小孩与工资之间的关系，那么对于那些没有工作的人，工资这个被解释变量为missing value，因此我们此时就存在样本选择偏差，那Heckman模型更多的通过从观察到的样本得到一个mills ratio比例，从而纠正这个样本的分布，从而估计出两者之间的关系。
内生转化模型是同时关注两个状态下的情况，即那有工作的与没有工作的都关注，然后去推演两者之间的关系。之所以强调内生，是因为我们的选择方程比如是否加入工会，会同时受到比如公共部门的工资和私有部门的工资的影响。
补充解答：
不仅 ivprobit 可以用，ivreg 也可以用。没有理由不能用。Angrist 经典论文：是否参军对长期健康(以是否死亡度量)的影响，工具变量是是否被抽中参军——因变量、自变量和工具变量都是二元变量，就是拿传统线性工具变量回归模型做的。
一般来说，被解释变量为(0,1)变量，使用OLS估计是可以的，但是OLS估计存在两个问题：1、异方差问题，本质上异方差不影响估计的一致性和无偏性；2、使用logit或者probit回归是常用的方法，主要的原因是OLS估计结果出来的预测值不会严格的落在0-1之间，而logit和probit是可以的。不做预测，并采用稳健标准误，离散变量也可以用线性模型。另外有把一个连续和一个离散内生变量放在一起的eprobit吗？似乎跑不了。
biprobit,双变量probit模型好像没有关于IV的，提问有关于IV的！另外不是二值因变量，二值自变量，就biprobit,如果wald检验拒绝就不能用。而且这自变量是内生变量，未见用什么控制此类模型的内生性问题。eprobit是stata 15新出的命令，extended probit regression，用得人很少，具体语法只在stata 15查询。Heckman (1979)提出“两步估计法”,也称“Heckit”。“内生转换模型和HECKMAN两阶段选择模型有何区别？”提问本来如此，当然还有 Heckprobit，提问没问。
请点击新的链接，并点击阅读原文：
Stata & Python 携手杭州，盛享实证计量与爬虫分析
biprobit,双变量probit模型好像没有关于IV的，提问有关于IV的！另外不是二值因变量，二值自变量，就biprobit,如果wald检验拒绝就不能用。而且这自变量是内生变量，未见用什么控制此类模型的内生性问题。
不管因变量、内生自变量、工具变量是连续变量还是二元变量，两阶段最小二乘法(2SLS)在满足特定条件下都是可以用的。当因变量是二元变量时，如果研究者非要用probit类模型，需要看一下内生自变量形态: 如果内生自变量是连续的，可以用ivprobit或者eprobit+endo选项；如果内生自变量是二元变量，可以用eprobit+entr选项。ALLEN说的biprobit跟这个问题无关。不管ivprobit还是eprobit，一般都依赖极大似然估计，当然有其优势，但也有计算繁琐耗时甚至不收敛的问题。个人建议直接用线性模型处理工具变量问题，简单，估计效果也不差(这也是Angrist的一贯看法)。
Stata & Python实证前沿与爬虫分析2019年暑期工作坊
· 工作坊特色
方法应用为基：讲解经济、统计、管理等科学量化前沿方法的机理与Stata & Python实操
经典论文复制：讲解高质量经典论文如何使用前沿量化方法
突出研究设计：突出量化方法和经典论文背后的精巧研究设计
强化互动交流：强化讲师与学员之间的工作论文和研究计划交流
1
主讲嘉宾简介
江艇：香港科技大学商学院经济学博士，中国人民大学经济学院副教授，人大国家发展与战略研究院研究员，人大微观数据与实证方法研究中心副主任，美国哥伦比亚大学商学院访问学者。主要研究领域为经济增长与发展、城市经济学、新政治经济学，在Economics Letters、Review of Development Economics、《经济研究》、《管理世界》、《世界经济》等国内外著名学术刊物上发表多篇论文。曾应邀在多所高校讲授“应用微观计量经济学”短期前沿课程，学员反响热烈。
司继春(慧航)：上海对外经贸大学统计与信息学院助理教授，主要研究领域为微观计量经济学、产业组织理论。在 Journal of Business and Economic Statistics、《财经研究》等学术刊物上发表多篇论文。其实，大家更熟悉的是知乎上大名鼎鼎的[慧航]，拥有 219,753 个关注者，获得过 110,578 次赞同，他就是司继春老师 —— [慧航]。
邓旭东(大邓)：哈尔滨工业大学(HIT)管理学院信息管理系统方向在读博士。曾在多所大学分享数据采集和文本分析培训课程，运营【公众号：大邓和他的Python】主要分享Python、爬虫、文本分析、机器学习等相关内容。
请点击新的链接，并点击阅读原文：