内生性问题好材料_第1页
内生性问题好材料_第2页
内生性问题好材料_第3页
内生性问题好材料_第4页
内生性问题好材料_第5页
已阅读5页,还剩4页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、工具变量和两阶段最小二乘一、背景虽然在ols的大样本性质中,我们放宽了强外生性的假定,用弱外生条件来进行替代,即。但是,在实际的问题中,弱外生性的条件往往也是不容易满足的。也就是说,变量的内生性问题总是不可避免的。内生性引起的问题主要是引起参数估计的不一致。可以说,内生性问题是在实际应用中最经常遇到的问题。这个部分讨论的就是如何解决由内生性问题引起的参数估计的不一致。二、知识要点1、引起内生性的原因及其对参数估计的影响2、代理变量法解决内生性问题3、工具变量法和2sls的性质三、要点细纲1、引起内生性的原因及其对参数估计的影响(1)模型设定偏误(遗漏变量)这主要是因为实际的问题中,一个变量往往

2、受到许多变量的影响,在实际建模过程中无法将解释变量全部列出。在这样的情况下,遗漏的变量的影响就被纳入了误差项中,在该遗漏变量与其他解释变量相关的情况下,就引起了内生性问题。即。(2)测量误差关于测量误差引起内生性的问题要基于测量误差的假设。测量误差可能是对被解释变量的测量误差,也可能是由于对解释变量的测量误差。这两种情况引发的结果是不一样的。a. 被解释变量的测量误差。不妨假设的真实值是,测量值为,则可以将测量误差表示成:。假设理论的回归方程为:将测量误差方程带入得到:其中是实际回归方程的残差。显然,由于的测量误差是与相互独立的,所以实际回归方程的残差也与各解释变量相互独立(无关)。外生性条件

3、满足。b. 解释变量x的测量误差假设在回归式中,测量误差产生于,即实际回归式为:并有如果假设,则将测量误差带入方程得到:显然,外生性条件满足。如果假设。该假设条件称为classical error-in-variables(cev)假定。由上述方程可以看出,此时测量误差会引起内生性问题。( 3) 双向交互影响(或者同时受其他变量的影响)这种情况引起的内生性问题在现实中最为常见。其基本的原理可以阐述为,被解释变量和解释变量之间存在一个交互影响的过程。的数值大小会引起取值的变换,但同时的变换又会反过来对构成影响。这样,在如下的回归方程中:如果残差项的冲击影响了的取值,而这样的影响会通过传导到上,从

4、而造成了和残差项的相关。也就是引起了内生性问题。这里举几个简单、但经常遇到的例子说明。例1:金融发展与经济增长例2:外商直接投资fdi与经济增长例3:犯罪率与警备投入2、代理变量(proxy)法解决内生性问题考虑如下的回归方程其中,q是不可观测的变量(遗漏),假定z是对q的一个代理,z必须满足下列条件:(1)(2)代理变量的缺点:a、当有交互效应时会引起异方差问题b、在实际问题中,通常对遗漏的变量是难以意识到的。c、约束条件太强。3、工具变量法和2sls的性质这里先讨论简单工具变量法,两阶段最小二乘2sls是简单工具变量法的一个扩展。关于工具变量的大样本假设、是一个有限、可逆的维正定矩阵。、是

5、一个有限的的矩阵,并且该矩阵的秩是k。、(1)简单工具变量考虑如下一个回归方程:现在假设是内生的,也就是说,与残差项相关。在这样的情况下,得到的参数估计值是有偏的。再次强调,此时参数估计的偏差不仅仅存在于参数上,而是所有的参数估计值都会受到影响。看普通最小二乘的结果:其中,不妨设,则有:,则可以看出:显然,当现在回到一般的回归方程:仍然假设是内生的,如果可以找到一个工具变量,使得满足如下两条假定:、那么,就可以定义,方程两边左乘,同取期望,得到参数估计值,使得:但是,这样的简单工具变量得到的估计并不是无偏的(特殊的得到无偏估计的情况是:与其他外生变量无关,只和相关)。正确的做法是,将内生变量对

6、所有的外生变量进行投影(回归),也就是按照如下的公式计算:只要系数,该工具变量就是有效的。也就是说,必须保证与是在扣除了其他外生变量的影响下,仍然是相关的!这样,根据回归得到了的估计值用估计出的代替原来的,进行ols估计,就可以得到产生的无偏估计。这实际上是将内生变量分成了内生部分和外生部分,通过投影得到了外生的部分,然后进入回归方程。(2)多工具变量和两阶段最小二乘(2sls)多工具变量是简单工具变量的一个扩展。当我们可以找到的工具变量不只一个的时候,我们可以提高对内生变量的拟合优度。得到一个更好的估计值。另外一方面,如果一个多元回归方程中含有的内生变量个数不只一个,那么我们就必须分别找到它

7、们各自的工具变量。总得来说,需要注意的是,工具变量的个数必须大于方程中内生变量的个数。每一个内生变量,都必须是对所有的外生变量进行投影,这样得到的参数估计才是一致的。下面用一个具体的例子来说明。为了方便,我们仍然假设回归方程中只含有一个内生变量现在假设我们可以找到一组外生变量,正确的做法是:(1)将对所有外生变量进行回归:其中于是可以得到:同理,对每一个外生的进行投影,也就是如下的回归:,可以得到如下的结果:(2)于是定义得到:带入,得到: (3)proxy和iv的区别proxy方法是将不可观测的变量用近似的变量进行替代,也就是说,是在残差项中提取出有用的信息,但是并没有对现有的解释变量进行处

8、理。而iv方法恰恰相反,它是对现有回归式中的内生变量进行的处理,找到另外一个变量对其进行“替代”,但是对于方程的残差项没有进行任何的处理。iv方法对工具变量有严格的外生假定条件,而proxy不一定成立。(4)两阶段最小二乘的性质一致性所以,但是,如果在第一阶段的回归中没有包括方程中原有的外生变量,那么,一致性就不能得到保证。假设有如下回归方程其中是的外生变量,是内生变量。并且有维的工具变量。如果只是将对进行投影,得到如下结果:带入原式得到令,由ols得到参数估计结果如下所示:因为回归中没有扣除的影响,所以一般来说,从而造成参数估计的有偏。有效性2sls在第一阶段进行回归得到的结果如下:假设有另

9、外一个关于的无偏投影:,其相应得到的的两阶段估计为。显然有如下两个结论成立:要证明的方差最小,只有证明是一个正定的矩阵,也就是证明:是正定矩阵。我们有,因此有:进而有:其中,是对回归的残差。显然,。问题得证。四、思考题1、阐述引起内生性的原因及其对参数估计的影响。2、在两阶段最小二乘中,如果在第一阶段的回归中没有包括原方程中所有的外生变量,会引起参数估计的什么问题,请举例说明。3、证明在第一阶段回归中将内生变量对所有外生变量进行投影后,利用简单工具变量得到的参数估计值具有有效性。小结工具变量进行两阶段最小二乘估计的具体步骤设有模型:认为gmin可以作为gmin1t的工具变量使用。第一,gmin1t对所

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论