第8讲 工具变量.docVIP

第8讲 单方程工具变量回归（完）能够成立的假设之一是解释变量扰动项不相关。否则OLS估计量是不一致的即样本容量多大，OLS估计量不会收敛到真实的总体参数。然而解释变量与扰动项相关例子却很多，解决方法一是讲介绍的工具变量法。 具仅在联立方程中描述工具变量估计在最近的几十年内生性的和工具变量估计呈现更广阔的，而联立方程完整系统的兴趣已经减弱。最新的教材，如Cameron Trivedi (2005)Davidson MacKinnon (1993, 2004)和Wooldridge (2010, 2013)，把工具变量估计看作现代经济学家工具包中不可或缺的一部分，长的介绍它联立方程讨论。 回归方程中，一个有效（）工具变量满足以下两个条件： 1）相关性：工具变量与内生解释变量相关；2）外生性：工具变量与扰动不相关。 ，工具变量的这两个条件常常矛盾，即与内生解释变量相的变量往往与扰动也相关。在实践上，寻找合适的工具变量通常比较困难，需要一的创造性与想象力。寻找具变量的大致可以分为两： ）与内生解释变量相关的尽可能多的变量的清单（较容易））这一清单中与扰动项相关的变量（困难） 的工具变量法一般通过“阶段二乘法”2SLS）实现，顾名思义，即作两个回归证明，在扰动经典假定下，由2的工具变量组合是所有线性组合中最渐近有效的。这于小理论中的高斯—尔可夫定理。一回归：用内生解释变量对工具变量回归，得到内生变量的拟合值。 二阶段回归：用被解释变量对第一阶段回归的拟合值进行回归，得到解释变量的拟合。 ivregress — Single-equation instrumental-variables regression 语法： ivregress estimator depvar varlist1] (varlist2= varlistiv) [if] [in] [weight] [, options] estimator 描述 2sls 两阶段最小二乘法(2SLS) liml 有限信息最大似然法(LIML) gmm 广义矩估计(GMM) 命令描述：ivregress拟合被解释变量depvarvarlist1和varlist2的线性回归varlistiv作为varlist2的工具varlist1和varlistiv是外生（解释）varlist2是内生）变量以利用)，有限信息最大似然法(LIML)和广义矩估计(GMM)执行工具变量 备注和示例 ivregress执行工具变量回归和加权工具变量回归。对于工具变量的一般讨论，请参见Baum (2006)，Cameron和Trivedi (2005；2010，第6章)，Davidson和MacKinnon (1993，2004)，Greene (2012，第8章)，以及Wooldridge 。参见Hall (2005)对于Angrist和Pischke (2009，第)非正式而全面地介绍了工具变量估计量，包括他们在估计处理效应 ivregress的语法假设从方程系统拟合一个方程，或拟合一个不用指定剩余方程的函数形式的方程。为了拟合一个完整的方程系统，使用2SLS equation-by-equation或三阶段最小二乘法，请参阅[R] reg3。ivregress的一个优点是，可以拟合多方程系统中的一个方程，而不用指定剩余方程的函数形式。 形式上，由ivregress拟合的 yi = ziβ1 + x1iβ2+ ui (1) zi = x1iΠ1 + x2iΠ2 + vi (2) 其中yi是第i个观测值的因变量zi表示内生回归元（varlist2），x1i表示包括的外生回归元（varlist1），x2i表示排除的外生回归元（varlistiv）。x1i 和x2i统称为工具。ui和vi是零均值误差项，ui和vi元素的相关性假设是非零。 2SLS and LIML estimators 最常用的工具变量估计量是2SLS。 例1：2SLS estimator 我们有从1980年以来的州人口普查数据，包括自有住房价值的中位数(hsngval)和每月总租金的中位数(rent)。我们想构建rent为hsngval和生活在城市地区的人口比例(pcturban)的函数 renti =β0 +β1hsngvali+β2pcturbani+ ui 其中i各个ui是误差项。 个的也会以是 因为把hsngval当作内生回归元，所以相rent，因为如果它们影响rent的话(faminc)和地区变量(region)，