第六讲工具变量回归.pptxVIP

第六讲工具变量回归;在计量经济学中,把所有与扰动项相关的解释变量都称为“内生变量”。这与一般经济学理论中的定义有所不同。 1。与误差项相关的变量称为内生变量(endogenous variable)。 2。与误差项不相关的变量称为外生变量(exogenous variable)。;造成误差项与回归变量相关(内生性)的原因特别多,但我们主要考虑如下几个方面: 遗漏变量偏差 变量有测量误差 双向因果关系。;遗漏变量偏差;变量有测量误差 测量数据正确时:假设方程为: ;可知,误差项中包含;结论:1。由于 ;双向因果??系 之前我们假定因果关系是从回归变量到因变量的(X导致了Y)。但假如因果关系同时也是从因变量到一个或多个回归变量(Y导致了X)的呢？假如是如此的话,因果关系是向前的也是“向后” 的,即存在双向因果关系,假如存在双向因果关系,则OLS回归中同时包含了这两个效应,因此OLS估计量是有偏的、非一致的。;能够推导出:;遗漏变量偏差可采纳在多元回归中加入遗漏变量的方法加以解决,但前提是只有当您有遗漏变量数据时上述方法才可行。 双向因果关系偏差是指假如有时因果关系是从X到Y又从Y到X时,此时仅用多元回归无法消除这一偏差。同样, 变量有测量误差也无法用我们前面学过的方法解决。 因此我们就必须寻找一种新的方法。 ;工具变量(instrumental variable, IV)回归是当回归变量X与误差项u相关时获得总体回归方程未知系数一致估计量的一般方法。我们经常称其为IV估计。 其基本思想是:假设方程是: ;我们的工作就是要寻找相应的工具变量将解释变量分解成内生变量和外生变量,然后利用两时期最小二乘法(TSLS)进行估计。 ; 工具变量的选取;两时期最小二乘估计量;一般IV回归模型;第一时期回归:利用OLS建立每个内生变量( X1i、 X2i、… Xki)关于工具变量( Z1i、Z2i、… Zmi)和外生变量(W1i、 W2i、… Wri)的回归,并得到所有回归结果的拟合值Xi_hat。 第二时期回归:用Xi_hat取代原有的Xi,与原有的外生变量Wi一起进行第二次回归,得到TSLS统计量βTSLS。 注意:工具变量出现在第一时期回归,但不出现在第二时期回归。;引入工具变量的个数;两时期最小二乘法的stata命令: ivregress 2sls depvar [varlist1] (varlist2 =instlist),r,first 其中,“depvar”为被解释变量,varlist1为外生解释变量,varlist2为所有的内生解释变量集合,instlist为工具变量集合。 选择项r表示使用异方差稳健的标准误,选择项“first”表示显示第一时期的回归。;工具变量有效性的检验;弱工具变量检验准则;3、 Cragg-Donald Wald F 统计量 4、 Kleibergen-Paap Wald rk F 统计量” Stata命令:ivreg2 ;假如存在弱工具变量该如何办？;第二个选择是利用弱工具变量接着进行实证分析,但采纳的方法不再是TSLS。而是对弱工具变量不太敏感的有限信息极大似然法(LIML)。在大样本下,LIML 与2SLS是渐近等价的,但在存在弱工具变量的情况下,LIML 的小样本性质估计优于2SLS。 LIML 的 Stata 命令为 ivregress liml depvar [varlist1] (varlist2 =instlist) ;工具变量外生性的检验;过度识别约束检验;识别标准: Sargan 统计量 J统计量 C统计量 过度识别检验的 Stata 命令: estat overid ;究竟该用 OLS 依然工具变量法;上述检验的缺点是,它假设在H0成立的情况下,OLS 最有效率。但假如存在异方差,OLS 并不最有效率(不是 BLUE)。故传统的豪斯曼检验不适用于异方差的情形。 此时能够使用杜宾-吴-豪斯曼检验(DWH),该检验在异方差的情况下也适用,更为稳健。 stata命令: estat endogenous ;广义矩估计法:GMM;有关 GMM 的 Stata 命令为 ivregress gmm y x1 (x2=z1 z2) (两步 GMM) ivregress gmm y x1 (x2=z1 z2),igmm (迭代 GMM) estat overid (过度识别检验);例一;该数据集中包括以下变量:lw(工资对数),s(受教育年限),age(年龄),expr(工龄),tenure(在现单位的工作年数),iq(智商),med(母亲的受教育年限),kww(在“knowledge of the World of Work”测试中的成绩)