Stata: 内生性与工具变量法 (IV) 讲义--含 Acemoglu 等4大经典案例应用指南

文章预览

1、内生性简介 一个典型的线性回归模型: β β β ε 模 型 （ ） 这里y为被解释变量，x1为自变量，或者解释变量，也即“因”。 大写的 X 为外生控制项向量( 也即一组假定为外生的其他控制变量，例如年龄、性别等等) ， ε则为误差项。 如果ε与x1不相关，那么我们可以利用OLS 模型对方程进行无偏估计。 然而，如果一个重要变量x2被模型(1) 遗漏了，且x1和x2也相关，那么对β1的OLS 估计值就必然是有偏的。此时，x1被称作“内生”的解释变量，这就是 “内生性”问题。 遇到“内生性”问题怎么办？ 有一个方法就是找工具变量Z。 如果存在内生性，则称解释变量为 “内生变量”（endogenous variable）；反之，则称为 “外生变量”（exogenous variable）。 内生性的严重后果是使得 OLS估计量不一致（inconsistent），即无论样本容量多大，OLS 估计量也不会收敛至真 ………………………………