工具变量回归讲述.pptVIP

McClellan，McNeil和Newhouse(1994)找到的工具变量：地理位置。 大部分医院都不是专攻心导管术的。因此许多患者到没有提供这种治疗的“普通”医院的距离比到心导管术医院的距离近。所以可以把患者的家到最近的心导管术医院的距离和到最近的任何类型医院的距离之差作为工具变量，若距离最近的医院为心导管术医院，则距离之差为零，否则取正。如果这个相对距离影响到患者接受这种治疗的概率则它是相关的。同时它在 患者间是随机分配的，因此它是外生的。 例四：警力与犯罪率。 一般认为，警察人数越多，执法力度越大，则犯罪率应该越低。为了度量警力对犯罪率的作用，如果直接把犯罪率对警察人数进行回归，就会出现“内生变量偏差”。这是因为，警察人数其实是一个内生变量，比如，某个城市的犯罪率很高，则市政府通常会扩大警力规模。（双向因果关系） 为此，必须找到与警察人数相关，但对犯罪率却没有单独影响的工具变量。Levitt (1997)创造性地使用“市长选举的政治周期”作为工具变量。通常，在任市长在竞选连任时，为了拉选票，会增加警察人数，故满足“相关性”。另一方面，选举周期一般以机械的方式确定，除了对警察人数有影响外，不会单独地对犯罪率起作用，故满足“外生性”。 例五：国际贸易与经济增长。 国际贸易会带来财富是一个古老的观点。但要实证地研究国际贸易对经济增长的促进作用却面临着内生解释变量的问题，因为经济增长也可以反作用于国际贸易，即随着经济增长，国际贸易也跟着增加了。Frankel and Romer (1999)使用地理因素作为工具变量。首先，国际贸易受地理因素的影响（比如，距离越近的国家贸易量越大），故满足“相关性”。其次，地理因素对经济增长的影响可能仅仅通过国际贸易这个渠道来实现，故满足外生性。 例六：制度对经济增长的影响。 好的制度能促进经济增长，但制度变迁常常也依赖于经济增长。因此，制度本身是一个内生变量。Acemoglu et al(2001)使用“殖民者死亡率”（settler mortality）作为工具变量。当近代欧洲的殖民者在全世界进行殖民时，由于各地的气候及疾病环境（disease environment）不同，欧洲殖民者的死亡率十分不同。在死亡率高的地方（比如，非洲），殖民者难以长期居住，故在当地建立掠夺性的制度（extractive institutions）。 而在死亡率低的地方（比如，北美），则建立有利于经济增长的制度（比如，较好的产权保护）。这种初始制度上的差异一直延续到今天。因此，“殖民者死亡率”与今天的制度相关，满足“相关性”。另一方面，“殖民者死亡率”除了对制度有影响外，不再对当前的经济增长有任何直接影响，故满足“外生性”。 工具变量外生性的检验 刚才我们提到：只有恰好识别和过度识别才能用IV方法估计。 恰好识别：工具变量个数=内生变量个数 过度识别：工具变量个数内生变量个数 一个很重要的命题是：只有过度识别情况下才能检验工具变量的外生性，而恰好识别情况下无法检验。 过度识别约束检验 基本思想： 假设有一个内生回归变量，两个工具变量且没有包含的外生变量。则你可以计算两个不同的TSLS估计量：其中一个利用第一个工具变量，而另一个利用第二个工具变量。由于抽样变异性，这两个估计量不会相同，但如果两个工具变量都是外生的，则这两个估计量往往比较接近。如果由这两个工具变量得到估计非常不同，则你可以得出其中一个或两个工具变量都有内生性问题的结论。 在恰好识别情况下，假设考虑只包含一个内生变量(k=1)的情况。此时如果有两个工具变量，可以计算出两个TSLS估计量，其中每个工具变量对应一个估计量，然后可以将两者进行比较看看它们是否接近。 但如果你只有一个工具变量，则只能计算出一个TSLS估计量，这样就无法进行比较了。 更直观地看，如果系数是恰好识别的，此时m=k，那么过度识别检验统计量J恰好为零。 一个综合的例子 工具变量选择的要求： 1。相关性：工具变量与内生解释变量高度相关，即Cov(xt,Zt) ≠0。 2。外生性：工具变量与扰动项不相关，即Cov(Zt,ut) =0。 使用工具变量有两种方法：二阶段最小二乘法(TSLS)和广义矩估计法(GMM)。 二阶段最小二乘法：2SLS 主要思想：进行两阶段回归。 假设方程为： y=b1x1+b2x2+u 其中x1是外生变量，x2是内生变量，找到两个变量z1和z2，作为x2的工具变量。 第一阶段回归：reg x2 x1 z1 z2 x2结合了z1和z2的信息，此时取出x2的拟合值x2_hat。 第二阶段回归： reg y x1 x2_hat 我们利用数据集grilic.dta估计教育投资的回报率。 变量说明：lw80（80年工资对数）