第一组-二阶段最小二乘讲义.doc

2012-2013学年高级计量经济学分组名单 第一组：潘琳、王超、倪远栋、叶寅、李畅、吴超、卿剑、李珊、刘春梅、王巍、马哲光、俞力群、田纪华 题目：二阶段最小二乘法（2SLS） 内容： 适用的情况（或条件） 估计原理 步骤 实例 二阶段最小二乘计量方法讲义整理 1.引例（引出问题和方法） 例一：有关工资收入和教育水平、个人能力之间的关系问题 考虑成年劳动者的工资方程中存在未观测到的能力的问题。一个简单的模型为： （1） 其中e是误差项。在某些假定下，如何用诸如IQ的代理变量代替能力，从而通过以下回归可得到一致性估计量 对 进行回归 然而，假定不能得到适当的代理变量（或它不具备足以获取一致性估计量所需的性质）。这样一来，我们将abil放入误差项中，留下来的就是简单的回归模型： （2） 其中u包含了abil。当然，可以用OLS估计此方程，但是，如果educ与abil （即educ与随机误差项u）相关，即educ为内生解释变量，则用OLS估计得到的结果将是的有偏、非一致性估计量。 我们把简单回归模型写成： （3） 其中我们认为x与u相关： 此时，假如我们能找到一个变量z，满足两个条件：一是与变量x存在高度相关关系，即；二是与随机扰动项u不存在相关关系，即；从遗漏变量的角度看，这意味着z应当对y无偏效应，也不应当与其它影响y的因素相关，此时变量z就称作为变量x的工具变量（IV），则我们就利用工具变量z可以根据上述方程（3）来进行估计，得到参数的无偏的一致估计，如劳动经济学家已在工资方程中使用的家庭背景变量作为教育的IV。例如，母亲的教育（motheduc）与孩子的教育是正相关的，这一点通过收集劳动者数据样本并做educ对motheduc的简单回归便可以看出来，因此，motheduc满足相关性条件，但是，母亲的教育也可能与孩子的能力相关（通过母亲的能力和可能通过孩子幼年所受的教养的质量）。 另外，educ的另一个IV选择是成长过程中兄弟姊妹的数目（sibs）。一般地说，较多的兄弟姊妹与较低的平均教育水平相联系，而与个人能力的高低不存在直接关系，这样，它就可以充当educ的工具变量，进而进行工具变量发进行估计，得到参数的无偏、一致估计。 我们利用方程（3）：z与y之间的协方差为 现在，在与的假定下，我们可以解出为： 给定一个随机样本，我们用对应样本量来估计总体的量。在分子和分母中约去样本容量后，我们得到的工具变量（IV）估计量（instrumental variables (IV) estimator）： 例二：逃课对考试成绩的因果影响问题 考虑逃课对期末考试平均成绩的因果影响的问题。在一个简单的回归框架中，我们有 （4） 其中，score是期末考试平均成绩，skipped是该学期逃课的总数目。此时，在用OLS估计方程时，我们担心skipped可能与u中其它因素相关：比如，成绩较好（无法观测的能力变量）的学生可能逃课较少等情况，因而score对skipped的简单回归可能不会给我们一个对逃课的因果影响的好的估计，因此，我们需要找到一个好的工具变量进行估计。 什么可能是skipped的好的IV？我们所需要的是对score无直接效应，且与学生能力不相关的IV，同时，该IV必须与skipped相关。一个选择是利用住宿区与教室之间的距离distance，这也许会增加逃课的可能性（由于恶劣的天气、睡过头等等）。因而，skipped可能与distance正相关；这一点可通过skipped对distance的回归并作一个t检验得以验证。 distance是否与u不相关？在简单回归模型（4）中，假如u中的一些因素不与distance相关，那么，distance也许是skipped的一个好的IV，进而能良好估计模型（4）。如果学生能力有一个好的代理，例如以往学期的累积GPA，IV法可能根本就不需要。 问题总结： 例子存在的共同问题： 在简单回归模型中存在遗漏重要变量问题，运用OLS估计导致其得到估计结果不一致。 遗漏变量没有良好的代理变量情况下，会导致解释变量与扰动项的存在相关关系，即出现内生解释变量情况，导致估计结果有偏。 解决的可行方