第2讲_工具变量法研究.pptVIP

寻找工具变量 ? 这个工具变量必须满足： ? （1）工具的相关性，即它应该与个人的服 兵役状态相关； ? （2）工具的外生性，即它本身并不决定个 人的工资水平，同时也不与其他决定工资 水平的因素相关。 “抽签” 征兵制度 ? 1942年，为了扩军的需要，美国政府在“志愿兵”制度的基础上，推行了“抽签”的强制征兵制度 ? 根据该制度，365天中的每一天被赋予一个随机选择号码（Random Selection Number, RSN），这样每位19～26岁合格役男按照生日被分配一个相对应的RSN ? 美国国防部根据征兵人数的需要，公布一个门槛号码（在那一年，这个号码是195），RSN小于门槛号码的役男将应征入伍。 ? 在Angrist的研究中，这个制度的实行被当 作了一次“自然实验” – Angrist将RSN是否小于门槛号码这一虚拟变量作为兵役状态的工具变量 – 由于RSN与门槛号码的大小关系决定了每位役男是否入伍的状态，RSN越小，入伍的可能性越大，RSN越大，入伍的可能性越低，因此它与有着很强的相关性 – 但同时RSN是一个随机号码，它本身与工资水平无关，因此满足工具的外生性要求，是一个有效的工具变量 – Z：工具变量“出生季度，以及出生季度与出生年份的乘积交互项” Z=(Q1,Q2,Q3,Q1*Y1926,…,Q3*Y1928) 工具变量回归方程： Basic Results on the Return to World War II Service (1980 Census, Men Born 1925-28) Dependent variable is log annual earnings in 1979. 讨论 ? 工资效应的异质性 – 实际的志愿者与中签入伍者不同 – DSN 仅仅与中签入伍者状态相关 ? 缺少其他的解释变量 ? 如果DSN与中签逃避兵役者的状态有关， IV将与随机扰动项相关 例：“新农保”使谁更受益？ OLS回归方程： Yi为个体i的被解释变量； canbaoi代表个体i是否参保的虚拟变量（1=参保，0=未参保）； Xi为控制变量，包括年龄、性别、婚姻状态、受教育程度、目前存活子女数、是否与子女同住、家庭年收入、居住地域、自评健康及调查年份等； 工具变量法： 针对主要自变量“样本是否参加新农保”，选取了两个工具变量： “所在县区新农保试点启动时长是否达9~17个月”：是=1，否=0 “启动时长是否达18个月或以上” ：是=1，否=0 以“样本是否参加新农保”为因变量进行第一阶段辅助回归： 第二阶段主回归： ivprobit mainsptchd age70 age80 age90 male married noschl midschl childsurv tz_family logincome east selfhealth year (canbao=canbaoxian9 canbaoxian18 age70 age80 age90 male married noschl midschl childsurv tz_family logincome east selfhealth year), twostep first 工具变量的Stata命令示例 第一阶段回归结果： 第二阶段回归结果： 命令：overid 结果： Test of overidentifying restrictions: Amemiya-Lee-Newey minimum chi-sq statistic 0.012 Chi-sq(1) P-value = 0.9135 过度识别（overidentified）检验： 样本选择 ? 样本选择指的是我们所观察的被解释变量 的结果，部分地受到行为主体对是否参与 某项活动选择的影响，从而导致我们所得 到的样本成为非随机的样本 – 举例而言，在研究个人健康对于医疗保险保费 的影响这一问题中，由于我们只能够观察到投 保人的保费和他们的个人信息，而无法得到没 有投保的消费者相关信息，从而使得个人健康 这一变量具有内生性 – 具体而言，投保人的个人健康状况一般稍差， 并愿意支付更高的保费 内生解释变量的影响 计量b不一致 ? 当 E(u|X ) ≠ 0 时，OLS估计量b有偏且不一致 ? 在大样本条件下，当 ，OLS估 内生解释变量的探查 ? 怎样判断模型的解释变量中出现了与随机扰动项 相关的情形，并没有现成的检验方法 ? 当我们找到足够多的工具变量时，可以对疑似内生的解释变量进行检验 ? 除了统计上的检验之外，我们可以根据上述内生解释变量产生的原因，即遗漏变量、观测误差、联立偏差、样本选择与经济理论、所