内生性产生的原因及解决方案.ppt

虽然教育的投资回报率有所下降，但是依然很高。 由于用iq作为能力的代理变量有测量误差，故iq是内生变量，考虑使用变量（med（母亲的受教育年限）、kww（在“knowledge of the World of Work”中的成绩）、mrt（婚姻虚拟变量，已婚=1）age（年龄））作为iq的工具变量，进行2SLS回归，并使用稳健的标准差： 在此2SLS回归中，教育回报率反而上升到13.73%，而iq对工资的贡献居然为负值。使用工具变量的前提是工具变量的有效性。为此，进行过度识别检验，考察是否所有的工具变量均外生，即与扰动项不相关： 结果强烈拒绝所有工具变量均外生的原假设。 考虑仅使用变量（med, kww）作为iq的工具变量，再次进行2SLS回归，同时显示第一阶段的回归结果： 上表显示，教育的回报率为6.08%，较为合理，再次进行过度识别检验： 接受原假设，认为（med，kww）外生，与扰动项不相关。 进一步考察有效工具变量的第二个条件，即工具变量与内生变量的相关性。从第一阶段的回归结果可以看出，工具变量对内生变量具有较好的解释力。更正式的检验如下 从以上结果可看出，虽然Shea’s partial R^2不到0.04，但是F统计量为13.4010。 我们知道，虽然2SLS是一致的，但却是有偏的，故使用2SLS会带来“显著性水平扭曲”（size distortion），而且这种扭