基 金:国家社会科学基金重大项目“新时代下地方政府债务风险的新特征与监管研究”(18ZDA097);国家自然科学基金“地方债风险时空转移及其系统性风险研究:风险源识别、路径机理与预警控制”()
摘 要:减税降费和地方债增长是我国实施积极财政政策的两个关联手段。在不减少财政支出前提下,减税降费在短期内必然带来地方债增长,但是否会引发地方债风险,关键取决于减税降费在长期内是否形成高质量税源,以此缓解地方债长期增长压力。本文利用年省级面板数据进行实证检验,研究发现:(1)短期来看,采用收入占比反映的减税降费促进了地方债增长,该实证结论通过替换变量、考虑内生性和改变实证方法后仍然稳健,且这一效应在南方及保增长压力地区更加明显;(2)长期来看,滞后一期到四期均没有出现减税降费显著抑制地方债增长的结果,初步判断存在债务风险隐患;(3)中介效应检验发现,减税降费没有促进高质量税源的形成。本文研究结论为我国优化减税降费政策,发挥积极财政政策提质增效、更可持续的作用,具有重要启示。
分 类 号:[经济管理—财政学]
同样,如果输出的P-Value 显著小于0.05,则拒绝原假设,即不存在异方差性。
其基本命令是在完成基本的OLS 回归之后,输入
如果输出的P-Value 显著小于0.05,则拒绝原假设,即不存在异方差性
处理异方差性问题的方法:
WLS是GLS(一般最小二乘法)的一种,也可以说在异方差情形下的GLS就是WLS。在WLS下,我们设定扰动项的条件方差是某个解释变量子集的函数。之所以被称为加权最小二乘法,是因为这个估计最小化的是残差的加权平方和,而上述函数的倒数恰为其权重。
在stata中实现WLS的方法如下:
reg (被解释变量) (解释变量1) (解释变量2)…… [aweight=变量名]
其中,aweight后面的变量就是权重,是我们设定的函数。
一种经常的设定是假设扰动项的条件方差是所有解释变量的某个线性组合的指数函数。在stata中也可以方便地实现:
首先做标准的OLS回归,并得到残差项;
生成新变量logusq,并用它对所有解释变量做回归,得到这个回归的拟合值,再对这个拟合值求指数函数;
最后以h作为权重做WLS回归;
reg (被解释变量) (解释变量1) (解释变量2)…… [aweight=h]
如果我们确切地知道扰动项的协方差矩阵的形式,那么GLS估计是最小方差线性无偏估计,是所有线性估计中最好的。显然它比OLS更有效率。虽然GLS有很多好处,但有一个致命弱点:就是一般而言我们不知道扰动项的协方差矩阵,因而无法保证结果的有效性。
White(1980)证明了这种方法得到的标准误是渐进可用(asymptotically valid)的。这种方法的优点是简单,而且需要的信息少,在各种情况下都通用。缺点是损失了一些效率。这种方法在我们日常的实证研究中是最经常使用。
如果需要检验两个变量,比如x 与y,之间系
数之间的关系,以检验两者系数相等为例,我们可以直接输入命令:
再如检验两者系数之和等于1,我们可以直接输入命令:
如果输出结果对应的P-Value 小于0.05,则说明原假设显著不成立,即拒绝原假设。
序列相关性问题的检验与处理
序列相关性问题的检验:
首先,要保证所用的数据必须为时间序列数据。如果原数据不是时间序列数据,
则需要进行必要的处理,最常用的方法就是:
这两个命令的意思是,首先要生成一个时间序列的标志变量n(或者t 也可以);
然后通过tsset 命令将这个数据集定义为依据时间序列标志变量n定义的时间序
最直观的检验方式是通过观察残差分布,其基本步骤是在跑完回归之后,直接输
这样就得到了残差值;然后输入命令:
会得到一个error 随n 变化的一个散点图。
D-W检验——对一阶自相关问题的检验:
D-W检验是对一阶自相关问题的常用检验方法,但是如果实际问题中存在高阶
序列相关性问题,则不能用这个检验方法。
首先,输入回归命令,
输出一个简单的OLS估计结果。然后,再输入命令:
这时会输出一个DW 统计量。通过与临界值之间的比较,可以得出结论。也可
关性问题进行处理,则为lag(p)
t因变量,g,f,c是自变量,_26存放了弟26个观测值,为需要预测的值
Hausman检验是检验内生性的最常用的方法。它是通过比较一致估计量与有效估计量的Wald统计量。
其中,name-cosistent指一致估计的结果, name-efficent 指有效估计的结果。注意,一致、有效估计量的先后顺序不能改变。
constant 计算检验统计量将常数也包括在内,默认值为排除常数
allegs 利用所有方程进行检验,默认只对第一个方程进行检验
force 即使假设条件不满足仍进行检验
df(#) 默认值为一致估计与有效估计的协方差矩阵的差的估计
sigmamore 协方差矩阵采用有效估计量的协方差矩阵
该命令给出第一阶段的估计结果以及各种统计量,包括排除外生变量的相关性检验。All选项给出所有的拟合优度统计量。如果模型存在多个内生变量,则stata给出R2、偏R2、调整的R2 、F统计量;如果模型存在多个内生变量,则stata给出Shea偏R2和调整的偏R2。
F统计量;如果采用GMM估计,则stata给出hansen’s(1982)J统计量。Lags(#)用于计算得分检验的HAC(异方差自相关一致)统计量的过程中进行去噪时设定滞后阶数。如果设定lag(0),则表示不进行去噪处理。默认选择为lag(1)。这一选择仅使用于2sls估计方法和设定vce(hac)选项情况。
Xtsum:分组内、组间和样本整体计算各个变量的基本统计量
xttab 采用列表的方式显示某个变量的分布
下面这些短链接文章属于合集,可以收藏起来阅读,不然以后都找不到了。
2.5年,计量经济圈近1000篇不重类计量文章,
可直接在公众号菜单栏搜索任何计量相关问题,