第五章内生解释变量的处理第五章内生解释变量的处理.pptVIP

第五章 内生解释变量的处理方法 何为内生解释变量 背景 回归模型假定解释变量X为设计矩阵，以保证X与随机误差项u不相关 如果某个解释变量与u相关，则称之为内生解释变量 内生的影响 如果相关又会如何？？ 出现相关最常见的原因是遗漏变量，我们以此为例来进行说明 内生的影响 真实模型： 设定模型 内生的影响 内生的影响 在两种情况下无偏： 内生的影响 偏误情况 内生的影响 如果遗漏变量与解释变量正相关，则解释变量与随机误差项正相关 如果遗漏变量与解释变量负相关，则解释变量与随机误差项负相关 无论何种情况，系数估计都会出现偏误 工具变量 处理此类问题的一般方法是工具变量法（instrumental variable） 寻找一个变量Z，满足： 则称Z为X的工具变量 工具变量 IV估计量 工具变量 该IV估计量也可以通过两个OLS来获得： 所以，工具变量估计也可称为2SLS估计 工具变量 IV估计量的统计性质 有偏 一致 如果不满足工具变量两个条件的任何一个，都是非一致的 工具变量 例（Wooldridge） 工具变量 Wooldridge给出两个可能的IV： 母亲的受教育水平 成长过程中兄弟姐妹数 工具变量 选择工具变量，需要验证它是否满足两个条件，对于与X（内生变量）相关，可以通过做X与Z的回归模型，对系数进行检验，但对于与u不相关，则只能依靠理论设定了！ 工具变量 从一元扩展到多元 选择Y2的工具变量Z2，满足： 与Y2相关，与随机误差项不相关，与另一外生解释变量不要高度相关 工具变量 在检验时，采用如下回归模型： 如果Z2系数显著不为0，则满足一个基本条件，其含义是，控制其他外生解释变量，相关性仍然存在。 工具变量 复工具变量——两阶段最小二乘2SLS 如果一个内生解释变量有多个满足基本条件的工具变量，则它们的线性组合也必然满足基本条件 与内生解释变量相关度最高的组合是最好的IV 工具变量 工具变量 两阶段最小二乘： 第一阶段：内生解释变量对外生解释变量及其自身工具变量作OLS，得到复工具变量 第二阶段： 工具变量 2SLS如何解决的解释变量与u相关问题 工具变量 工具变量（IV）与代理变量（Proxy variable） 代理变量是与遗漏的不可观测变量相关，从而可以作为其代理的变量 两种方法解决问题的思路是完全不同的，代理变量一般都是很差的工具变量（与u相关） * * *