北大计量经济学讲义-工具变量与两阶段最小二乘法
合集下载
工具变量估计与两阶段最小二乘法
检验的策略： y 0 1 z 2 X ei H 0 : 1 0 x 0 1z v H0 : 1 0 参数的识别： Cov z , y 1Cov z , x Cov z , u Cov z , y 1 ; Cov z , x ˆ z z y y i 1 i
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
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 �
第15章 工具变量估计与两阶段最小二乘法
具体的IV估计量可从k+1个矩条件对应的样本 方程求出：
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。
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)。
北大计量经济学讲义-工具变量与两阶段最小二乘法
If we with to use either of them as IV, we need to be confident that they are not correlated with ability. 无论我们使用其中的哪一个作为IV，我们都需要肯定它们是与能 力不相关的。
Intermediate Econometrics,
Intermediate Econometrics,
Yan Shen
18
When an IV is Available: Estimation 当IV存在时：估计
When assumptions (15.4) and (15.5) hold, one can show that the IV estimator is
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
Sometimes we refer to this regression as the first-stage regression. 有时我们将这个回归称为第一阶段回归。
Intermediate Econometrics,
Yan Shen
11
Example: wage determination 例子：工资决定
In this context, identification means that we can
write b1 in terms of population moments that can
Intermediate Econometrics,
Intermediate Econometrics,
Yan Shen
18
When an IV is Available: Estimation 当IV存在时：估计
When assumptions (15.4) and (15.5) hold, one can show that the IV estimator is
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
Sometimes we refer to this regression as the first-stage regression. 有时我们将这个回归称为第一阶段回归。
Intermediate Econometrics,
Yan Shen
11
Example: wage determination 例子：工资决定
In this context, identification means that we can
write b1 in terms of population moments that can
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。
c15 工具变量估计与两阶段最小二乘法
第15章工具变量估计与两阶段最小二乘法摘要: 本章继续讨论如何解决模型中的内生解释变量(endogenous explanatory variables )问题。
遗漏变量(omitted variables )是导致内生性问题的一个原因。
本章采用工具变量法(method of instrumental variables,IV )来解决模型中的一个或多个解释变量的内生性问题。
所采用的估计方法被称为两阶段最小二乘估计(method of two stage least squares ,2SLS or TSLS),其受欢迎程度仅次于OLS. IV 也能在某些特定的情形下解决变量带误差(errorsin-variables )的问题.15.1 动机: 简单回归中的遗漏变量如何处理可能发生的变量遗漏带来的偏误，已有三种选择: 1)直接忽略，讨论偏误的方向；2）寻找一个合适的代理变量；3）如果该遗漏变量不随时间变化时，采用FE 或FD 方法。
工具变量法的思路：不是考虑如何处理遗漏变量(此时遗漏变量在误差项中)，而是寻找被遗漏的解释变量的替代变量，使得替代变量和误差项不再存在相关性。
y =β0+β1x +u ,此时该模型不满足MLR.4,从而不能保证Cov (x,u )=0,特别地，假定Cov (x,u )≠0. 如果x 的替代变量z 同时满足下面两个条件:1) 工具外生性(instrument exogeneity )条件:Cov (z,u )=0,2) 工具相关性(instrument relevance )条件:Cov (z,x )≠0,则称z 为x 的工具变量(instrumental variable )，或简称工具(instrumental ). 几点说明:1) 工具变量的外生性意味着z 对y 没有偏效应(当x 和u 中遗漏变量被控制时)，同时也和其它被遗漏变量不相关；2) 工具外生性检验在多数情况下只能通过经济行为或反思来判断；3) 工具相关性检验借助t 和F 检验就行；外生性和相关性假设足以帮助我们识别(Identification )出β1=COv(z,y)Cov(z,x),那么β1的工具变量估计(instrumental variables (IV) estimator )为：β̂1=∑(z i −z ̅)(y i −y ̅)n i=1∑(z i −z ̅)(x i −x ̅)n i=1, 其是β1的一致但有偏的估计；4)β̂1显然当z=x,该估计就是OLS 估计，但这要以x 和u 无关为条件，也即工具变量法适于u 和x 无关的情形。
工具变量两阶段最小二乘
估计结果与前面相差很大，检验工具变量与内生 变量的相关性，发现用三个工具变量时相关性大 大提升，故应采用mothedu,fathedu,husedu一起 做工具变量。 • 工具变量的好坏直接影响估计结果，实际应用中， 寻找合适的工具变量是解决问题的关键，也是困 难所在。
两阶段最小二乘法：TSLS
点击选择按钮（Op>ons）对参数估计协方差矩 阵的估计方法进行选择，本例采用的是横截面数据， 因此采用怀特异方差一致的协方差矩阵估计。
6.2 工具变量估计方法
6.2.2 两阶段最小二乘法：TSLS
两阶段最小二乘法：TSLS
一个内生自变量
Y = β0 + β1X1 + β2 X 2 + β3 X3 + u X1 为内生变量， X2 和X 3 为外生变量，Z1 、Z2 X为1 的工具变量。 两阶段最小二乘步骤：
原假设： H0 : α1 = α2 = 0
• 用第五章构造的Tr 统计量进行F检验，若 Tr值够大， 通常大于10则认为相关性足够，可做工具变量。
• 若接受原假设，则表明工具变量与内生变量相关 性太弱，其不适宜做工具
两阶段最小二乘法：TSLS
一个内生自变量
EViews实现两阶段最小二乘： 例子6.2 已婚女性小时工资（续）
• 不相干变量引入不会影响参数估计的无偏性和一 致性，但是会影响参数估计的有效性。
6.2 工具变量估计方法
6.2.1 工具变量估计法 6.2.2 两阶段最小二乘法：TSLS
6.2 工具变量估计方法
6.2.1 工具变量估计法
工具变量估计法
一元线性回归模型
Y = β0 + β1X + u
Ø 定义1：如果存在变量Z
两阶段最小二乘法：TSLS
点击选择按钮（Op>ons）对参数估计协方差矩 阵的估计方法进行选择，本例采用的是横截面数据， 因此采用怀特异方差一致的协方差矩阵估计。
6.2 工具变量估计方法
6.2.2 两阶段最小二乘法：TSLS
两阶段最小二乘法：TSLS
一个内生自变量
Y = β0 + β1X1 + β2 X 2 + β3 X3 + u X1 为内生变量， X2 和X 3 为外生变量，Z1 、Z2 X为1 的工具变量。 两阶段最小二乘步骤：
原假设： H0 : α1 = α2 = 0
• 用第五章构造的Tr 统计量进行F检验，若 Tr值够大， 通常大于10则认为相关性足够，可做工具变量。
• 若接受原假设，则表明工具变量与内生变量相关 性太弱，其不适宜做工具
两阶段最小二乘法：TSLS
一个内生自变量
EViews实现两阶段最小二乘： 例子6.2 已婚女性小时工资（续）
• 不相干变量引入不会影响参数估计的无偏性和一 致性，但是会影响参数估计的有效性。
6.2 工具变量估计方法
6.2.1 工具变量估计法 6.2.2 两阶段最小二乘法：TSLS
6.2 工具变量估计方法
6.2.1 工具变量估计法
工具变量估计法
一元线性回归模型
Y = β0 + β1X + u
Ø 定义1：如果存在变量Z
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
That is, when Cov(x,u) ≠ 0 即，Cov(x,u) ≠0时
Intermediate Econometrics,
Yan Shen
6
Why Use Instrumental Variables? 为何使用工具变量？
Thus, IV can be used to address the problem of omitted variable bias 所以，IV可以用来解决遗漏变量偏差
1
Chapter Outline 本章提要
Omitted Variables in a simple regression model 简单回归中的遗漏变量
IV estimation of the Multiple Regression 多方程回归中的工具变量估计
Two Stage Least Squares 两阶段最小二乘法
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
Yan Shen
4
The ways out 一些办法
Ignore the problem, pretend that it does not exist 忽略这个问题，假装这个问题并不存在
Find and use a suitable proxy 使用代理变量
Uses an estimation method that recognizes the presence of the omitted variable 使用一种对遗漏变量稳健的估计方法。
Statistical Inference with the IV estimator IV 估计中的统计推断
Properties of IV with a poor IV “坏”工具变量的性质
Computing R squares after IV 计算IV估计的R方
IV estimation of the multiple regression model 多方程回归的IV估计
In order for a variable, z, to serve as a valid instrument for x, the following must be true 针对内生变量 x 的一个有效的工具变量 z 应当满 足如下条件
The instrument must be exogenous 工具变量应为外生
IV solutions to errors-in-variables problem 用工具变量解决测量误差问题
Testing for endogeneity… 检验内生性
Intermediate Econometrics,
Yan Shen
2
Lecture Outline 本课提要
Motivation: Why using IV? 出发点：为何用工具变量？
That is, Cov(z,x) ≠ 0 (15.5)
Intermediate Econometrics,
Yan Shen
9
About Cov(z,u) 关于Cov(z,u)
We have to use common sense and economic theory to decide if it makes sense to assume Cov(z,u) = 0 为了判断Cov(z,u) = 0这一假定是否合理，
Intermediate Econometrics,
Yan Shen
3
Problem to start with 从这个问题出发…
If important variables are omitted, what should we do? 如果一些重要的变量被遗漏，我们应当怎 么办？
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
Additionally, IV can be used to solve the classic errors-in-variables problem 而且，IV可用来解决经典的测量误差问题
IntermediateБайду номын сангаасEconometrics,
Yan Shen
7
Instrumental Variable: Who qualifies? 什么样的变量可以作为IV？
我们不得不 依赖于常识和经济理论。
Intermediate Econometrics,
Yan Shen
10
About Cov(z,x)
We can test if Cov(z,x) ≠ 0 我们可以检验是否Cov(z,x) ≠ 0
Just testing H0: p1 = 0 in x = p0 + p1z + v 只需检验 H0: p1 = 0 in x = p0 + p1z + v
Instrumental Variables & 2SLS 工具变量与两阶段最小二乘法
y = b0 + b1x1 + b2x2 + . . . bkxk + u x1 = p0 + p1z + p2x2 + . . . pkxk + v
Intermediate Econometrics,
Yan Shen
Sometimes we refer to this regression as the first-stage regression. 有时我们将这个回归称为第一阶段回归。
Intermediate Econometrics,
Yan Shen
6
Why Use Instrumental Variables? 为何使用工具变量？
Thus, IV can be used to address the problem of omitted variable bias 所以，IV可以用来解决遗漏变量偏差
1
Chapter Outline 本章提要
Omitted Variables in a simple regression model 简单回归中的遗漏变量
IV estimation of the Multiple Regression 多方程回归中的工具变量估计
Two Stage Least Squares 两阶段最小二乘法
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
Yan Shen
4
The ways out 一些办法
Ignore the problem, pretend that it does not exist 忽略这个问题，假装这个问题并不存在
Find and use a suitable proxy 使用代理变量
Uses an estimation method that recognizes the presence of the omitted variable 使用一种对遗漏变量稳健的估计方法。
Statistical Inference with the IV estimator IV 估计中的统计推断
Properties of IV with a poor IV “坏”工具变量的性质
Computing R squares after IV 计算IV估计的R方
IV estimation of the multiple regression model 多方程回归的IV估计
In order for a variable, z, to serve as a valid instrument for x, the following must be true 针对内生变量 x 的一个有效的工具变量 z 应当满 足如下条件
The instrument must be exogenous 工具变量应为外生
IV solutions to errors-in-variables problem 用工具变量解决测量误差问题
Testing for endogeneity… 检验内生性
Intermediate Econometrics,
Yan Shen
2
Lecture Outline 本课提要
Motivation: Why using IV? 出发点：为何用工具变量？
That is, Cov(z,x) ≠ 0 (15.5)
Intermediate Econometrics,
Yan Shen
9
About Cov(z,u) 关于Cov(z,u)
We have to use common sense and economic theory to decide if it makes sense to assume Cov(z,u) = 0 为了判断Cov(z,u) = 0这一假定是否合理，
Intermediate Econometrics,
Yan Shen
3
Problem to start with 从这个问题出发…
If important variables are omitted, what should we do? 如果一些重要的变量被遗漏，我们应当怎 么办？
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
Additionally, IV can be used to solve the classic errors-in-variables problem 而且，IV可用来解决经典的测量误差问题
IntermediateБайду номын сангаасEconometrics,
Yan Shen
7
Instrumental Variable: Who qualifies? 什么样的变量可以作为IV？
我们不得不 依赖于常识和经济理论。
Intermediate Econometrics,
Yan Shen
10
About Cov(z,x)
We can test if Cov(z,x) ≠ 0 我们可以检验是否Cov(z,x) ≠ 0
Just testing H0: p1 = 0 in x = p0 + p1z + v 只需检验 H0: p1 = 0 in x = p0 + p1z + v
Instrumental Variables & 2SLS 工具变量与两阶段最小二乘法
y = b0 + b1x1 + b2x2 + . . . bkxk + u x1 = p0 + p1z + p2x2 + . . . pkxk + v
Intermediate Econometrics,
Yan Shen
Sometimes we refer to this regression as the first-stage regression. 有时我们将这个回归称为第一阶段回归。