답변:
귀하의 사례는 다른 방식보다 문제가 적습니다. 기대치와 선형 예측 연산자는 선형 1 단계 (예 : OLS)를 거치지 만 프로 빗이나 로짓과 같은 비선형 단계는 거치지 않습니다. 당신이 먼저 지속적인 내생 변수의 회귀 경우에 따라서는 문제가되지 않습니다 악기 (들)에 Z , X 전 = + Z ' 내가 π + η 난 후 추정하기 위해 프로 빗 두 번째 단계에서 장착 값을 사용 홍보를 ( Y을 난 = 1 | X I ) = 잠 ( β를
확률 변수 만 추정 수량이 아니다. 1 단계와 2 단계를 함께 부트 스트랩하여이 문제를 해결할 수 있습니다. Stata에서 이것은 다음과 같습니다.
// use a toy data set as example
webuse nlswork
// set up the program including 1st and 2nd stage
program my2sls
reg grade age race tenure
predict grade_hat, xb
probit union grade_hat age race
drop grade_hat
end
// obtain bootstrapped standard errors
bootstrap, reps(100): my2sls
이 예에서 우리는 노동 조합에있을 확률에 대한 수년간의 교육의 효과를 추정하고자합니다. 수년간의 교육이 내생적일 가능성이 있기 때문에, 우리는 첫 단계에서 수년간의 재직 기간으로 교육을 실시합니다. 물론 이것은 해석의 관점에서 의미가 없지만 코드를 보여줍니다.
첫 번째 단계와 두 번째 단계에서 동일한 외인성 제어 변수를 사용해야합니다. 위의 예에서 그것들은 age, race
(무의미한) 도구 tenure
는 첫 단계에만 있습니다.