第6章 内生性及工具变量估计方法-第6章.ppt

两阶段最小二乘法：TSLS 一个内生自变量 EViews实现两阶段最小二乘： 例子6.2 已婚女性小时工资（续） 的工具变量： 、 、 在EViews的工具变量设定框中输入： 两阶段最小二乘法：TSLS 一个内生自变量 EViews实现两阶段最小二乘： 例子6.2 已婚女性小时工资（续） 两阶段最小二乘法：TSLS 一个内生自变量 EViews实现两阶段最小二乘： 例子6.2 已婚女性小时工资（续） 估计结果与前面相差很大，检验工具变量与内生变量的相关性，发现用三个工具变量时相关性大大提升，故应采用mothedu,fathedu,husedu一起做工具变量。 工具变量的好坏直接影响估计结果，实际应用中，寻找合适的工具变量是解决问题的关键，也是困难所在。 两阶段最小二乘法：TSLS 一个内生自变量 例子6.4 中国女性劳动参与率与家庭结构 但是Hours和withP 的互相影响导致withP 的内生性，选用女性是否有存活的兄弟（ ）和该女性在家中排行是否最小（ ）做工具变量。 两阶段最小二乘法：TSLS 多个内生自变量 、 为内生变量， 为外生变量， 和 为 的工具变量， 为 的工具变量 两阶段最小二乘估计的步骤： 第一阶段（first stage）： 分别以内生变量 和 为因变量，以所有外生变量 、 、 和 为自变量进行回归，即 两阶段最小二乘法：TSLS 多个内生自变量 、 为内生变量， 为外生变量， 和 为 的工具变量， 为 的工具变量 两阶段最小二乘估计的步骤： 得拟合值 第二阶段（second stage）： 两阶段最小二乘法：TSLS 多个内生自变量 、 为内生变量， 为外生变量， 和 为 的工具变量， 为 的工具变量 两阶段最小二乘估计的步骤： 以 和 代替 和 对原模型进行OLS估计， 即对模型 进行OLS估计，得出回归系数的一致估计。 6.3 内生性检验 自变量若内生，OLS估计会不一致；自变量若外生，盲目用工具变量会降低有效性，故需要检验自变量是否内生。 和 为外生变量，对 的内生性检验，设 为 的工具变量，将 对 、 和 回归， 6.3 内生性检验 若有内生性，则是 和 之间有关系： 将上述 和 的关系代入原模型 不可观测，用 代替（从模型 中估计而来），即最终估计模型： 并检验 是否为0。 6.3 内生性检验 例子6.2 已婚女性小时工资（续）： 两步回归 重要概念 1. 与模型误差项相关的自变量具有内生性。内生性导致回归系数OLS估计的不一致性。只要与内生自变量相关，外生解释变量回归系数的OLS估计也是不一致估计。丢失相关变量是产生内生性的一个重要原因。具有内生自变量的模型需要用工具变量估计方法进行估计。 2. 工具变量需要满足两个条件：第一，和模型误差项不相关（外生性），第二，和要工具的内生变量相关（相关性）。 3. 工具变量估计是矩估计，具有一致性和渐进正态性。计算出估计量的方差后，可以构造t-统计量对模型参数显著性进行检验。 4. OLS估计是一种特殊的工具变量估计。当模型不存在内生自变量时，OLS估计的方差小于工具变量估计。 重要概念 5. 当工具变量的个数大于被工具的内生变量个数时，需要采用两阶段最小二乘法估计模型。两阶段最小二乘法采用所有外生变量合适的线性组合作为内生变量的工具变量，并在第一阶段通过内生变量对外生变量的回归拟合值得到工具变量。第一阶段回归的参数约束检验，可以确定工具变量的有效性：检验统计量 时，认为工具变量与被工具的内生变量充分相关，工具变量可行。第二阶段，直接用第一阶段得到的回归拟合值代替内生变量对原模型进行OLS回归。 6. 自变量是否存在内生性决定着是否用OLS估计模型。在找到合适工具变量的条件下，通过回归可以对模型自变量的内生性进行检验。 第6章 内生性和工具变量估计方法 内生性和工具变量估计方法 6.1 内生性 6.1.1 OLS估计的不一致性 6.1.2 内生性产生的原因 6.2 工具变量估计方法