第2讲_工具变量法技巧.ppt

第二讲: 内生的解释变量与工具变量法;单方程线性模型;假设1;假设2;假设3;假设4;对模型假设的讨论;模型的设定错误;? 遗漏变量;? 教育回报的例子 – 正确的模型设定 log(wage)= ?0+ ?1exp+ ?2exp2+ ?3edu+?abil+v – 能力ability通常观察不到，成为遗漏变量，模型 成为 log(wage)= ?0+ ?1exp+ ?2exp2+ ?3edu+u;变量的测量误差;? 解释变量的测量误差 ? 真实的模型设定;联立性;解释变量的外生性;一个说明;内生解释变量的产生;遗漏变量;观测误差;联立偏差;样本选择;内生解释变量的影响;内生解释变量的探查;;工具变量法;? Xk为内生的解释变量 ? 假定我们可以把Xk分解为两个部分，一部 分与随机扰动项u相关，另一部分与u无关 ? 如果我们能够找到另一个变量或多个变量 Z，它与Xk相关，但与u无关，就可以通过Z 将Xk中与u无关的部分分离出来，从而识别 出Xk对y的边际影响，这个结果具有一致性 这种方法称为工具变量法（Instrumental Variables Method，简称IV法）;y = ?0 + ?1X1 + ?2X2 + . . . ?kXk + u;工具变量的定义;条件1：工具相关性;弱工具变量;条件2．工具外生性;例 ? 假定解释变量Xk具有内生性，找到 Z = ( X1, X 2 ,… , X K ?1, ZK ) 只要Cov(ZK , X K ) ≠ 0 ，Cov(ZK ,ε ) = 0 变量Z就满足条件1和2，成为工具变量 ? 实际运用中，寻找工具变量的关键就是要 找到与Xk高度相关而与u无关的Zk;识别;讨论：教育回报率研究中的IV;IV估计量bIV的统计性质;两阶段最小二乘法;原理和步骤;2SLS具体步骤;? 以y为因变量，对 回归 ? 得到：;实际操作;例;2SLS估计量的性质;工具变量的选择;Z与XK的相关性;Z的外生性;对XK内生性的简单检验;工具变量选取示例：;工具变量选取示例：;一个例子：Joshua Angrist (1990);? 如果我们用OLS方法对上面的工资方程进行 估计的话，真实的参数α很可能被低估;寻找工具变量;“抽签” 征兵制度;? 在Angrist的研究中，这个制度的实行被当 作了一次“自然实验”;– 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);Basic Results on the Return to World War II Service (1980 Census, Men Born 1925-28) ;讨论 ? 工???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？;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;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