北大计量经济学讲义-工具变量与两阶段最小二乘法
工具变量估计与两阶段最小二乘法
2 0.014 n 428, R 0.118
edu 10.24 0.269 fatheduc n 428, R 2 0.173 n 428, R 2 0.093 log wage 0.441 0.059educ
0.446 0.035
ˆ u2 SSTx Rx2, z
ˆ 的方差越小； n，或 ，或 越大， 1
2 x 2 x,z
在高斯-马尔科夫假定下，OLS估计量的方差：
ˆ Var 1 SSTx
2
例1 估计已婚女性的教育回报
log wage 0.185 0.109educ
0.185 0.28 0.029
IV 0.132 （0.055） 0.108 （0.024） -0.0023 （0.0003）
Black
Smsa South 观测数 R2
-0.199 （0.018）
0.136 （0.02） -0.148 （0.026） 3010 0.300
-0.147 （0.054）
ˆ ˆ y ˆ z 0 1 i 2 2 i1 0
i1
z y
i 1 i2
ˆ ˆ y ˆ z 0 1 i 2 2 i1 0 ˆ ˆ y ˆ z 0 1 i 2 2 i1 0
z y
北大计量经济学讲义-工具变量与两阶段最小二乘法
nehS naY ,scirtemonocE etaidemretnI
计估SLO的1b到得们我�时x=z当 . 1b
计估�时在存VI当 noitamitsE :elbaliavA si VI na nehW
91
nehS naY ,scirtemonocE etaidemretnI
计估�时在存VI当 noitamitsE :elbaliavA si VI na nehW
�量变具工用使何为 ?selbairaV latnemurtsnI esU yhW
7
nehS naY ,scirtemonocE etaidemretnI
题问差误量测的典经决解来用可VI�且而 melborp selbairav-ni-srorre cissalc eht evlos ot desu eb nac VI ,yllanoitiddA � 差偏量变漏遗决解来用以可VI�以所 saib elbairav dettimo fo melborp eht sserdda ot desu eb nac VI ,suhT �
�
定决资工�子例 noitanimreted egaw :elpmaxE
41
nehS naY ,scirtemonocE etaidemretnI
。关相项差误和育教与时同它。不 .mret rorre eht dna noitacude htob htiw setalerroc tI .oN � �吗量变具工的好是QI ?tnemurtsni doog a QI sI �
。计估致一的1b是计估VI明证律定数 大用应以可�时立成 )5.51(和 )4.51(定假当 .srebmun egral fo wal eht gniylppa retfa ,1b rof tnetsisnoc si rotamitse VI eht taht wohs nac eno ,dloh )5.51( dna )4.51( snoitpmussa nehW �
北大计量经济学讲义-工具变量与两阶段最小二乘法
large numbers. 当假定(15.4) 和(15.5) 成立时，可以应用大
数定律证明IV估计是b1的一致估计。
Intermediate Econometrics,
That is, Cov(z,u) = 0 (15.4) 即Cov(z,u) = 0
Intermediate Econometrics,
Yan Shen
8
Instrumental Variable: Who qualifies? 什么样的变量可以作为IV？
The instrument must be correlated with the endogenous variable x 工具变量应与内生变量 x 相关
Intermediate Econometrics,
Yan Shen
5
Why Use Instrumental Variables? 为何使用工具变量？
Instrumental Variables (IV) estimation is used when your model has endogenous x’s 当模型解释变量具有内生性时，使用工具 变量估计
Suppose the true model regresses log(wage) on education (educ) and ability (abil). 假定真实模型将对数工资对教育和能力回归
Now ability is unobserved, and the proxy, IQ, is not available. 现在能力不可观测，而且没有代理变量IQ
b1 . 当z=x时，我们得到b1的OLS估计
第15章 工具变量估计与两阶段最小二乘法
Eu 0, Ez1u 0,L , E zk1u 0, E zku 0
15.3 两阶段最小二乘法
如果一个内生解释变量有多个工具变量，如 何有效运用多个工具变量？以下面结构模 型为例： y1 0 1y2 2z1 u1
则称z是x的工具变量（IV）。工具变量可得 能够用于一致估计回归方程的参数。
15.1 动机：简单回归模型中的遗漏变量
借助于工具变量，回归方程的参数是可识别 （identification），即参数可用总体矩表示， 而总体矩可用样本矩来估计。用工具变量z 对回归方程两边协方差：
cov z, y 1 cov z, x cov z,u
对此也没有合理的解释。
15.2 多元回归模型中的IV估计
简单回归模型IV估计很容易延伸到多元回归
y1 0 1 y2 2 z1 L k zk1 u1
借用联立方程模型的形式和术语，此方程称 为结构方程（structural equation）。 z1, z2 ,L , zk1是外生变量，y2 被怀疑是内生的， 即可能与u相关。需要找到其工具变量
有效的工具变量 zk 需满足：（1）是未包含的 外生变量，即它不在结构方程中且与u不相 关。
15.2 多元回归模型中的IV估计
（2）zk 与 y2 存在某种偏相关，即约简型方程
y2 0 1z1 L k1zk1 k zk v
的系数满足： k 0
同样要求（1）不能检验，只能寄希望于经济 逻辑和反思。要求（2）可对约简型方程估 计后直接检验。
第十五章 工具变量估计与两阶段 最小二乘法
本章研究多元回归模型中的内生解释变 量问题。解释变量的内生性常来自遗漏 变量问题，这使OLS估计不一致。尽管 代理变量法和面板数据的固定效应法可 在某些情况下解决内生性问题，但远未 完善。本章讨论另一解决解释变量内生 性问题的方法：工具变量法（IV）。其 受欢迎程度仅次于OLS。
第15章-工具变量讲解
这样一来 , 我们便把 abil 放人误差项中，而 只留下简单回归模型： Log（wage） =β 0+β 1educ+u （15.1 ） 其中，u 包含 abil。当然，如果用 OLS 估计 方程 (15.1) ，若 educ 与 abil 相关，则得到 的结果将是 1 的有偏而又不一致估计量。
第15章 工具变量估计与两阶段最小二乘法
在本章中，我们进一步研究多元回归模型中的 内生解释变量 (endogenous explanatory Variables） 问题。在第 3 章中，我们推导出遗漏一个重要变 量时 OLS 估计量的偏误，在第 5 章中，我们说明 了在遗漏变量(omitted variables)的情况下，OLS 通 常是不一致的。
举例来说，考虑成年劳动者的工资方程中存 在无法观测之能力因素的问题。一个简单的 模型为： log（wage）=β 0+β 1educ+β 2abil+e 其中，e 是误差项。
在第 9 章中，我们证明了在某些假定下，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估计量 log(wage)对 educ，IQ 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 1 一致估计量所需的性质）。
我们一开始先说明，在存在遗漏变量的情况 下，如何用 IV 法获得一致估计量。此外， IV 至少能在某些假定下用于解决变量误差 (errors-in-variables)问题。下一章将证明运 用 IV 法如何估计联立方程模型。
我们对工具变量估计的论述严格遵照我们在 第 1 篇中对普通最小二乘的推导，其中假定 我们有一个来自潜在总体的随机样本。这个 起点很合人意，因为除了简化符号之外，它 还强调用潜在总体来表述对 IV 估计所做的重 要假定 (正如用 OLS 时一样)。
两阶段最小二乘法步骤
两阶段最小二乘法步骤
两阶段最小二乘法是一种分离策略，将内生变量分离为可以被工具变量线性表出的部分，以及随机干扰部分。
其具体步骤如下：
1. 第一阶段：让工具变量z对内生x进行回归，得到估计值$x^$。
2. 第二阶段：利用$x^$对y做回归，得到系数估计值。
这种方法通过将估计分成两个步骤（阶段）回归，因此得名“两阶段最小二乘法”。
对于联立方程组，可以采用三阶段最小二乘法。
如果存在弱工具变量问题，可以采取对信息不太敏感的有限信息极大似然估计法。
工具变量法与最小二乘法的联系
工具变量法与最小二乘法的联系引言在经济学研究中，经常会遇到因果关系的分析问题。
然而，由于一些内生性问题，经济变量之间的因果关系不容易准确确定。
在这种情况下，研究者常常会使用工具变量法来解决内生性问题。
而在回归分析中，最小二乘法是最常用的估计方法之一。
本文将讨论工具变量法与最小二乘法的联系，并探讨它们在经济研究中的应用。
第一节：最小二乘法的基本原理最小二乘法是回归分析中最常用的估计方法之一。
其基本思想是通过最小化实际观测值与拟合值之间的残差平方和，来估计模型参数。
最小二乘法在非内生性问题下具有较好的性质和可解释性，因此被广泛应用于经济学研究。
第二节：工具变量法的基本原理工具变量法是一种解决内生性问题的方法。
当存在内生性问题时，直接使用最小二乘法估计结果可能是无偏且一致的，但标准误差可能会被低估，导致统计显著性的判断错误。
工具变量法通过引入一个或多个与内生变量相关但与误差项不相关的工具变量，将内生变量的影响通过工具变量间接传递给被解释变量，从而实现对内生性问题的处理。
第三节：虽然最小二乘法和工具变量法在解决经济研究中的问题时采用不同的方法，但它们之间存在联系。
首先，最小二乘法可以视为工具变量法的一种特殊情况，在非内生时可以直接使用。
其次，最小二乘法可以通过工具变量法来解决内生性问题，从而得到更准确的估计结果。
工具变量法通过引入工具变量来处理内生性问题，而这些工具变量的选择和使用通常需要基于最小二乘法的思想。
例如，研究者可以利用工具变量与内生变量相关的结构特点，通过最小二乘法来选择合适的工具变量。
这种联系使得最小二乘法和工具变量法之间相辅相成，共同构建了解决内生性问题的分析框架。
第四节：工具变量法与最小二乘法的应用工具变量法和最小二乘法在实际应用中都非常重要。
最小二乘法常被用于线性回归分析，估计参数的一致性和渐进正态性。
而工具变量法则广泛应用于处理内生性问题，如评估教育对收入的影响、估计负债对企业投资决策的影响等。
伍德里奇《计量经济学导论》（第5版）笔记和课后习题详解-第15章工具变量估计与两阶段最小二乘法【圣
伍德里奇《计量经济学导论》（第5版）笔记和课后习题详解-第15章工具变量估计与两阶段最小二乘法【圣第15章工具变量估计与两阶段最小二乘法15.1复习笔记一、动机：简单回归模型中的遗漏变量1．面对可能发生的遗漏变量偏误（或无法观测异质性）的四种选择（1）忽略遗漏变量问题，承受有偏而又不一致估计量，若能把估计值与关键参数的偏误方向一同给出，则该方法便令人满意。
（2）试图为无法观测变量寻找并使用一个适宜的代理变量，该方法试图通过用代理变量取代无法观测变量来解决遗漏变量的问题，但并不是总可以找到一个好的代理。
（3）假定遗漏变量不随时间变化，运用固定效应或一阶差分方法。
（4）将无法观测变量留在误差项中，但不是用OLS 估计模型，而是运用一种承认存在遗漏变量的估计方法，工具变量法。
2．工具变量法简单回归模型01y x uββ=++其中x 与u 相关：()Cov 0，x u ≠（1）为了在x 和u 相关时得到0β和1β的一致估计量，需要有一个可观测到的变量z，z 满足两个假定：①z 与u 不相关，即Cov（z，u）＝0；②z 与x 相关，即Cov（z，x）≠0。
满足这两个条件，则z 称为x 的工具变量，简称为x 的工具。
z 满足①式称为工具外生性条件，工具外生性意味着，z 应当对y 无偏效应（一旦x 和u 中的遗漏变量被控制），也不应当与其他影响y 的无法观测因素相关。
z 满足②式意味着z 必然与内生解释变量x 有着或正或负的关系。
这个条件被称为工具相关性。
（2）工具变量的两个要求之间的差别①Cov（z，u）是z 与无法观测误差u 的协方差，通常无法对它进行检验：在绝大多数情形中，必须借助于经济行为或反思来维持这一假定。
②给定一个来自总体的随机样本，z 与x（在总体中）相关的条件则可加以检验。
最容易的方法是估计一个x 与z 之间的简单回归。
在总体中，有01x z vππ=++从而，由于()()1Cov /ar V ，x z z π=所以式Cov（z，x）≠0中的假定当且仅当10π≠时成立。