第三章-工具变量估计学案.pdf

第三章 工具变量估计 第三章 工具变量估计 1 / 16 第三章 工具变量估计 3.1 例子 在经验分析中，经典线性回归模型的几个假定并不总能得到满足；特别是当外生假定不 满足时，普通的LS 估计不再是无偏估计，甚至可能不再是一致估计。工具变量估计的提出 能克服普通LS 估计在外生假定不满足时所引发的偏差问题。 以下介绍几个外生性假定被破坏的情形。 CASE-1：滞后因变量与自相关 正常情况下，一个地区的资源越多越有利于其经济的发展。但是，经济学家发现事实经 常是反过来的，丰富的自然资源对经济增长产生了限制作用，自然资源丰裕的地区反而呈现 出令人失望的经济发展绩效的现象，经济学家将这种情况称为“资源的诅咒”。 模型简单设定如下： 其中， ； 为实际GDP 的对数，其差分表示增长率； 为 衡量地区资源禀赋条件的变量； 为个体固定效应。 对模型进行再次差分消除固定效应，可得 假定新生 ，解释变量X 满足严格外生。 注意到，有 可知此时滞后因变量 不满足外生性。 对于这种情形，一般使用 作为 的工具变量。 CASE-2：联立方程偏误 在关于收入不平等与经济增长两者关系的分析中，经济学者发现，收入不平等的情况会 影响经济增长，而经济增长也会影响到收入不平等。 模型简单设定如下： 其中， ； 为实际人均收入的年增长率； 为城乡收入差距，度量收入不 平等的情况； 和 为其它外生控制变量。 假定有 ， ， 。 注意到，有 2 / 16 第三章 工具变量估计 可见，此时解释变量 不满足外生性；同样的计算也可知道，解释变量 不满足外 生性假定。 对于这种情形，常用的处理方法是对联立方程组进行简化。 不妨把上述方程组写成如下形式： 假定 可逆，即 ，则可对矩阵 求逆，将上述的 联立方程组转化为普通的方程组，再使用普通的LS 估计。 CASE-3：样本选择性偏差 在研究大学毕业生的工资决定因素时，我们想要了解大学生的毕业工资与其专业或成绩 等原因是否有关，但是，我们并不能获得所有毕业生的数据，而只能获得那些找到工作的毕 业生的资料。 模型简单设定如下： 其中， ； 为毕业工资， 为影响就业工资的变量； 为大学生对于就 业或等待之间的效用差， 为影响就业与否效用的变量；当 时，选择就业，反之， 则选择等待。 仅当 时 可观察到。 假定有 ，解释变量 和 满足外生性。 注意到，有 其中， ， 。 可知，直接对上述模型进行LS 估计得到的参数估计是有偏的。 对于这种情形，必须使用ML 估计或者使用如下的两步估计： Step-1：利用Probit 模型估计参数 ，计算 。 3 / 16 第三章 工具变量估计 Step-2：使用 对 和 进行LS 估计。 需要注意的是，工具变量估计并不是处理解释变量不满足外生假定的唯一方法，甚至对 于某些情形（例如上述的 CASE-3 ），工具变量估计也同样