《计量经济学课件》第15章 工具变量估计与两阶段.pptxVIP

第15章 工具变量估计与两阶段最小二乘法 OUTLINE 动机：简单回归模型中的遗漏变量 多元回归模型的IV估计 两阶段最小二乘法 变量误差问题的IV解决办法 内生性检验与检验过度识别约束 异方差条件下的2SLS 2SLS应用于时间序列方程 2SLS应用于混合截面和面板数据 15.1 动机：简单回归模型中的遗漏变量 15.1 动机：简单回归模型中的遗漏变量 15.1 动机：简单回归模型中的遗漏变量 例15.1 估计已婚女性的教育回报 例15.2 估计对男性的教育回报 IV估计的两个例子 以出生的季节作为educ的IV： --年初出生的学生往往入学较晚，他们到达义务教育年龄（16岁）时，所受的教育略少于入学较早的学生。 以征兵抽签号作为是否参加越战的IV： --征兵抽签号是随机发放的，因此与u无关。 低劣工具变量条件下IV的性质 当z与x弱相关时，IV估计值的标准误可能很大。 当z与u只是适度相关，IV估计量的渐进偏误可能很大。 IV估计后计算R2 Y=?0+ ? 1*x+u 当x与u相关时，y的方差无法分解成下式： ? 12Var(x)+Var(u)，因此对R2没有合理的解释。 R2=1-SSR/SST SSR是IV残差的平方和；x*=?0+ ?1*z+v y= ?0+? 1x*+u= ?0 + ?0? 1 +? 1z+v+u SST是y的总平方和。 15.2 多元回归模型的IV估计 内生变量 外生变量 15.2 多元回归模型的IV估计 例15.4 用临近大学作为教育的IV 解释变量 OLS IV Educ 0.075 （0.003） 0.132 （0.055） Exper 0.085 （0.007） 0.108 （0.024） Exper2 -0.0023 （0.0003） -0.0023 （0.0003） Black -0.199 （0.018） -0.147 （0.054） Smsa 0.136 （0.02） 0.112 （0.032） South -0.148 （0.026） -0.145 （0.027） 观测数 3010 3010 R2 0.300 0.200 其他控制变量 Smsa66，reg662, …,reg669 15.3 两阶段最小二乘 例15.5 职业女性的教育回报 多重共线性与2SLS 多个内生解释变量 方程识别的阶条件：被排斥的外生变量至少与结构方程中包括的内生解释变量一样多； 方程识别的秩条件：IV需与内生变量相关。 15.4 变量误差问题的IV解决办法 例15.6 用两种测验成绩作为能力的标志 15.5 内生性检验与检验过度识别约束 内生性检验：hausman检验 比较OLS和2SLS的回归结果是否有显著差异。 若无显著差异，则应用OLS；若差异显著，则用2SLS。 reg y y2 z1 est store ols ivregress y z1 (y2=z3) est store 2sls hausman ols 2sls 内生性检验 Wooldrige（2002）： 检验单个解释变量的内生性 检验过度识别约束 Hausman检验 过度识别约束 基本思想：如果所有的工具都是外生的，则除了抽样误差外，2SLS残差与工具应该不相关。 例15.8 职业女性的教育回报 以motheduc和fatheduc作为educ的IV时，将2SLS残差对exper、exper2、motheduc和fatheduc回归，得到R12=0.0009，nR12=428*0.0009=0.3852。 将huseduc增添到IV中，nR12=1.11(p值=0.574)。 两IV的参数估计值：?educ=0.061,se=0.031; 三IV的参数估计值：?educ=0.080，se=0.022 15.6 异方差条件下的2SLS 2SLS下的异方差检验（BP检验）： 加权2SLS： 15.7 2SLS应用于时间序列方程 如果因变量或者解释变量含有趋势，须把趋势项（时间虚拟变量）包括进来。 如果因变量或者说误差项是强持续性序列(有单位根)，在估计时对整个方程进行差分。 15.7 2SLS应用于时间序列方程 15.8 2SLS应用于混合截面和面板数据 将时间虚拟变量包括进来，以考虑加总时间效应； 存在非观测效应，且时变自变量内生时，工具变量估计与面板数据方法（特别是一阶差分）相结合。 当T?3时，差分方程可能包含序列相关，可使用上述的FGLS（科克伦-奥卡特估计和普莱斯-温斯顿估计） 非观测效应模型含有滞后因变量，以y的两期或更长滞后作为?yi,t-1的IV。(GMM估计) 例15.10 工作