如何argue iv的排他性假设.docx

图片来源: 作者手绘原文信息:? Nathan Nunn and Leonard Wantchekon, The Slave Trade and the Origins of Mistrust in Africa. American Economic Review, 2011, Vol 101, No 7, pp.3221-3252.引言实证研究面临的最大问题莫过于内生性，而解决该问题的一个重要手段就是IV。但是我们知道IV的两个前提条件—强相关和严外生，对于前者我们很容易直观上得到检验，最棘手的就是后者外生性，也就是我们通常说所的排他性约束，内生变量只通过工具变量影响影响因变量，这个在理论上是无法直接验证的，只有靠argue。诸如出生时间这样在当时看起来非常完美的IV，随着时间推移和研究深入，也变得不是那么完美。即便作者能言善辩能举出很多理由说明自己的IV是多么外生，但是后来的读者总能找到一些其他不可观测因素来攻击这个排他性。与其陷入这场无休止的口水战，我们不妨转变思路，由于IV估计仍然是有偏的，只是在大样本下具有一致性，那么作者虽然承认IV不是那么外生（plausible exogeneous），但是只要IV对y的直接影响不那么大，我们这时不是为了要准确估计那个弹性系数，这个时候IV虽然不完全满足排他性约束，但是也不会使内生变量系数的符号和显著性发生变化，结果仍然是稳健的。今天给大家带来的哈佛大学Nunn教授的这个文章就给我们讲述了该方法的应用，他和nancyqian合作的不少论文我之前也推送过，这个论文除了工具变量排他性约束的argue，以及对遗漏变量检验和机制识别也有很多可取的地方，堪称应用微观计量的一个经典文献。中心思想本文想要识别的是非洲历史上有更多奴隶贸易的地区的人们，在现在会变得更加不信任这两者之间的因果关系，作者进一步发现这中间的主要传导机制是内部的文化准则、信念和价值观，其解释力至少是外部的政治和法律环境变化影响的两倍。本文的研究对经济发展、国际贸易和企业发展领域信任的重要性有了新的认识，有助于人们更好了解信任在文化、制度、信念中对个人决策的影响。识别策略1.数据当前信任数据样本来源于2005年非洲17个国家的民意调查，每个国家随机抽取了1200或者2400个具有投票年龄的公民，最后得到有效样本21702个。该问卷调查了每个国家内同一种族或者其他种族对亲戚、邻居和政府的信任度，信任程度从低到高依次是一点也不信任、一点点信任、一般信任、非常信任，分别记为0、1、2、3，其中一点也不信任和一点点信任的比例分别为7%和18%。历史上的奴隶贸易贸易数据来源于Nunn(2008)的论文，他把原来国家层面的奴隶贸易数据进一步分解到1400-1900年间与大西洋和印度洋奴隶交易的国家—种族层面，最后得到与大西洋有奴隶贸易的来自229个种族的80656个样本，与印度洋有奴隶贸易的来自80个种族的21048个样本。?2.模型设定下标表示：第c个国家第d个地区第e个种族的第i个人，虽然y有四个下标，其实除了个人外的其他三个都可以去掉，写上只是为了更方便理解，该样本本质就是一个普通的截面数据，由于这里的四个维度并不是类似地区、行业和时间之间的平行关系，他们之间是层层嵌套关系，所以这里并没有控制两两甚至三三的联合固定效应，只控制了最上层国家固定效应αc。其他控制变量都是分别在个人、地区和种族维度变化。3.因果关系识别上面简单的OLS回归很可能由于遗漏变量，只是反映的相关关系，比如历史上缺乏信任的地方有着更多的奴隶贸易，这种不信任因为跟奴隶贸易和随后的不信任相关的历史事件而持续到现在。为了确定其中的因果关系作者又做了如下几个方面工作：(1) selection on observable上面这个翻译不一定准确，主要是为了与后面的selection on unobservable相对，为了控制奴隶贸易后欧洲正式殖民规则的影响，作者又控制了前殖民地时代的种族特征，如最开始的经济和政治发展状况，发现加入这两个控制变量后，结果仍然保持不变。(2)selection on unobservable作者采用Joseph G Altonjietal(2005)的方法来测算不可观测因素影响，结果如表四所示：上表四中每列报告的系数是?，其中βF是控制所有解释变量的核心变量的系数，βR是控制部分解释变量的核心变量的系数，计量理论告诉我们再控制了最主要的控制变量之后，进一步引入控制变量不会对核心变量的系数发生多大变化，这个时候βF和βR应该很接近，那么这个比例应该非常大，此时遗漏变量的风险也就非常小了。从表四可知，所有比例系数都大于1，中位数在4.1左右，作者认为selection on unobservable的效应是selection on obse