2SLS นั้นได้รับการจำแนกโดยชอบธรรม


13

ในเศรษฐมิติที่ไม่เป็นอันตรายส่วนใหญ่: สหายของนักประจักษ์ (Angrist and Pischke, 2009: หน้า 209) ฉันได้อ่านสิ่งต่อไปนี้:

( ... ) ในความเป็นจริง 2SLS เพียงระบุ (พูด, ประมาณการ Wald ง่าย) จะอยู่ที่ประมาณเป็นกลาง นี่เป็นเรื่องยากที่จะแสดงอย่างเป็นทางการเพราะ 2SLS ที่เพิ่งระบุมีช่วงเวลาไม่นาน (เช่นการกระจายตัวตัวอย่างมีหางอ้วน) อย่างไรก็ตามถึงแม้จะมีเครื่องมือที่อ่อนแอ แต่ 2SLS ที่เพิ่งได้รับการระบุก็ยังมีศูนย์กลางอยู่ที่ควร ดังนั้นเราจึงกล่าวว่า 2SLS ที่เพิ่งระบุมีค่ามัธยฐาน ( ... )

แม้ว่าผู้เขียนบอกว่า 2SLS เพียงระบุเป็นค่ามัธยฐาน-เป็นกลางพวกเขาไม่พิสูจน์มันมิได้ให้การอ้างอิงถึงหลักฐาน ที่หน้า 213 พวกเขากล่าวถึงข้อเสนออีกครั้ง แต่ไม่มีการอ้างอิงถึงข้อพิสูจน์ นอกจากนี้ฉันไม่สามารถหาแรงจูงใจสำหรับข้อเสนอในบันทึกการบรรยายของพวกเขาเกี่ยวกับตัวแปรเครื่องมือจาก MIT , หน้า 22

เหตุผลอาจเป็นไปได้ว่าเรื่องที่เป็นเท็จตั้งแต่พวกเขาปฏิเสธมันในข้อความในบล็อกของพวกเขา อย่างไรก็ตาม 2SLS ที่เพิ่งได้รับการระบุนั้นมีค่ามัธยฐานโดยประมาณโดยประมาณพวกเขาเขียน พวกเขากระตุ้นสิ่งนี้โดยใช้การทดลอง Monte-Carlo ขนาดเล็ก แต่ไม่มีการพิสูจน์การวิเคราะห์หรือการแสดงออกในรูปแบบปิดของคำผิดพลาดที่เกี่ยวข้องกับการประมาณ อย่างไรก็ตามนี่คือการตอบกลับของผู้เขียนถึงศาสตราจารย์ Gary Solon จาก Michigan State University ที่ให้ความเห็นว่า 2SLS ที่เพิ่งระบุไม่ได้เป็นค่ามัธยฐาน

คำถามที่ 1: คุณจะพิสูจน์ได้อย่างไรว่า 2SLS ที่ได้รับการระบุเพียงอย่างเดียวนั้นไม่ได้เป็นค่ามัธยฐานโดย Gary Solon โต้แย้ง?

คำถามที่ 2: คุณจะพิสูจน์ได้อย่างไรว่า 2SLS ที่เพิ่งได้รับการระบุนั้นมีค่ามัธยฐานโดยประมาณที่ Angrist และ Pischke โต้แย้ง

สำหรับคำถามที่ 1 ฉันกำลังมองหาตัวอย่าง สำหรับคำถามที่ 2 ฉัน (โดยหลักแล้ว) กำลังมองหาหลักฐานหรือการอ้างอิงถึงหลักฐาน

ฉันกำลังมองหาความหมายอย่างเป็นทางการของค่ามัธยฐานเป็นกลางในบริบทนี้ ฉันเข้าใจแนวคิดดังต่อไปนี้: การประมาณการของขึ้นอยู่กับบางชุดของตัวแปรสุ่มเป็นมัธยฐานเป็นกลางสำหรับถ้าและเพียง ถ้าการกระจายของมีค่ามัธยฐาน\θ^(X1:n)θX1:nnθθ^(X1:n)θ


หมายเหตุ

  1. ในรูปแบบที่เพิ่งระบุจำนวนของ regressors ภายนอกเท่ากับจำนวนของเครื่องมือ

  2. กรอบการอธิบายตัวแปรตัวแปรแบบเพิ่งระบุอาจแสดงดังนี้แบบจำลองเชิงสาเหตุของความสนใจและสมการขั้นตอนแรกคือ โดยที่คือเมทริกซ์ที่อธิบาย endogenous regressors และตัวแปรเครื่องมืออธิบายโดยเมทริกซ์ . นี่เพียงอธิบายตัวแปรควบคุมจำนวนหนึ่ง (เช่นเพิ่มเพื่อปรับปรุงความแม่นยำ) และและเป็นข้อผิดพลาด

    (1){Y=Xβ+Wγ+uX=Zδ+Wζ+v
    Xk×n+1kk×n+1ZWuv
  3. เราประมาณในโดยใช้ 2SLS: ประการแรกถอยบนเพื่อควบคุมและรับค่าที่คาดการณ์ ; นี่เรียกว่าด่านแรก ประการที่สองถอยหลังบนควบคุม ; สิ่งนี้เรียกว่าขั้นตอนที่สอง ค่าสัมประสิทธิ์การประมาณการในขั้นตอนที่สองคือ 2SLS ประมาณการของเรา\β(1)XZWX^YX^WX^β

  4. ในกรณีที่ง่ายที่เรามีรูปแบบและเครื่องดนตรีภายนอก regressorกับz_iในกรณีนี้การประมาณ 2SLS ของคือที่หมายถึงความแปรปรวนตัวอย่างระหว่างและBเราอาจทำให้ :โดยที่ ,และ

    yi=α+βxi+ui
    xiziβ
    (2)β^2SLS=sZYsZX,
    sABAB(2)
    (3)β^2SLS=i(yiy¯)zii(xix¯)zi=β+i(uiu¯)zii(xix¯)zi
    y¯=iyi/nx¯=ixi/nu¯=iui/nโดยที่คือจำนวนการสังเกตn
  5. ฉันค้นหาวรรณกรรมโดยใช้คำว่า "เพิ่งได้รับการระบุ" และ "ค่ามัธยฐาน" เพื่อค้นหาการอ้างอิงที่ตอบคำถาม 1 และ 2 (ดูด้านบน) ฉันไม่พบ บทความทั้งหมดที่ฉันพบ (ดูด้านล่าง) อ้างอิงถึง Angrist และ Pischke (2009: หน้า 209, 213) เมื่อระบุว่า 2SLS ที่เพิ่งระบุมีค่ามัธยฐาน

    • Jakiela, P. , Miguel, E. , & Te Velde, VL (2015) คุณได้รับแล้ว: ประเมินผลกระทบของทุนมนุษย์ต่อการตั้งค่าทางสังคม เศรษฐศาสตร์ทดลอง , 18 (3), 385-407
    • An, W. (2015) การประเมินตัวแปรเครื่องมือเกี่ยวกับผลกระทบจากเพื่อนในเครือข่ายสังคม การวิจัยทางสังคมศาสตร์ , 50, 382-394
    • Vermeulen, W. , & Van Ommeren, J. (2009) การวางแผนการใช้ที่ดินเป็นตัวกำหนดเศรษฐกิจของภูมิภาคหรือไม่? การวิเคราะห์พร้อมกันของการจัดหาที่อยู่อาศัยการย้ายถิ่นภายในและการเติบโตของการจ้างงานในท้องถิ่นในประเทศเนเธอร์แลนด์ วารสารเศรษฐศาสตร์ที่อยู่อาศัย , 18 (4), 294-310
    • Aidt, TS, & Leon, G. (2016) หน้าต่างแห่งโอกาสประชาธิปไตย: หลักฐานจากการจลาจลในซับ - ซาฮาราแอฟริกา วารสารการแก้ไขข้อขัดแย้ง , 60 (4), 694-717

2
ฉันไม่สามารถตอบคำถามนี้ได้ด้วยการพิสูจน์อย่างเป็นทางการ แต่จากการศึกษาการจำลองพบว่า LIML นั้นมีค่ามัธยฐาน (บวกคำจำกัดความ) และ LIML และ 2SLS ที่มีตัวแปรภายนอกหนึ่งและเครื่องมือหนึ่งมีการกระจายตัวอย่างขนาดเล็กเหมือนกัน (ดังนั้นถ้า LIML ในนี้ กรณีเป็นค่ามัธยฐานเป็นกลางดังนั้น 2SLS) นี่จะเพียงพอที่จะตอบคำถามของคุณหรือไม่
Andy

@ แอนนี่เป็นคำตอบที่ดีจริงๆ! อาจเพียงพอทั้งนี้ขึ้นอยู่กับสิ่งที่ผู้ใช้รายอื่นอาจพูด อาจจะเพียงพอเพราะฉันคิดว่าไม่มีข้อพิสูจน์ของข้อเสนอที่ระบุว่า 2SLS นั้นมีค่ามัธยฐานโดยไม่เอนเอียง มันคงจะดีถ้ามีตัวอย่างที่แสดงให้เห็นว่า 2SLS ที่เพิ่งได้รับการระบุนั้นไม่ได้เป็นค่ามัธยฐาน แต่ฉันคิดว่ามันเป็นไปได้ (แต่อาจจะยาก) ที่จะเกิดขึ้นกับตัวอย่างของตัวเอง
อีเลียส

โดยเฉลี่ยแล้วคุณหมายถึงว่าอคตินั้นมีค่าเป็นศูนย์เนื่องจากฟังก์ชันบางอย่างของจำนวนการสังเกตเช่น 1 / n หรือ 1 / n ^ 2 เป็นต้น
อิกอ

@Igor ฉันไม่ได้ใช้คำว่า "ประมาณค่ามัธยฐานแบบเป็นกลาง" เนื่องจากฉันไม่ทราบว่า "มัธยฐาน - เป็นกลาง" หมายความว่าอะไรฉันจึงไม่สามารถตอบคำถามของคุณได้ แต่สิ่งที่คุณดูเหมือนจะคิดเป็นประมาณเป็นasymptoticallyเป็นกลาง
อีเลียส

คำตอบ:


6

ในการศึกษาแบบจำลองคำว่า median bias หมายถึงค่าสัมบูรณ์ของส่วนเบี่ยงเบนของตัวประมาณจากค่าจริง (ซึ่งคุณรู้ในกรณีนี้เพราะเป็นการจำลองเพื่อให้คุณเลือกค่าจริง) คุณสามารถดูเอกสารการทำงานของYoung (2017)ที่กำหนดความเอนเอียงแบบนี้ในตารางที่ 15 หรือAndrews and Armstrong (2016)ผู้ทำพล็อตกราฟอคติแบบมัธยฐานสำหรับตัวประมาณที่ต่างกันในรูปที่ 2

ส่วนหนึ่งของความสับสน (ในวรรณคดี) ดูเหมือนว่ามาจากความจริงที่ว่ามีปัญหาพื้นฐานที่แยกจากกันสองประการ:

  1. เครื่องมือที่อ่อนแอ
  2. เครื่องมืออ่อนแอจำนวนมาก (อาจ)

ปัญหาของการมีเครื่องมือที่อ่อนแอในการตั้งค่าเพิ่งระบุแตกต่างกันมากจากการมีเครื่องมือมากมายที่บางคนมีความอ่อนแอ แต่ปัญหาทั้งสองได้ถูกโยนเข้าด้วยกันในบางครั้ง

ก่อนอื่นให้พิจารณาความสัมพันธ์ระหว่างตัวประมาณที่เรากำลังพูดถึงที่นี่ Theil (1953) ใน "การประมาณค่าและสหสัมพันธ์แบบพร้อมกันในระบบสมการที่สมบูรณ์" แนะนำสิ่งที่เรียกว่า -klass estimator: κ

β^=[X(IκMZ)X]1[X(IκMZ)y)]

ด้วยสำหรับระบบสมการ MZ=IZ(ZZ)1Z

y=Xβ+uX=Zπ+e.

เซนต์คิตส์และเนวิสตัวกำหนดว่าเรามีตัวประมาณค่าอะไร สำหรับคุณกลับไปที่ OLS สำหรับคุณมีตัวประมาณ 2SLS และเมื่อถูกตั้งค่าเป็นรูทที่เล็กที่สุดของคุณ มีตัวประมาณ LIML (ดูสต็อคและ Yogo, 2005 , p. 111)κκ=0κ=1κdet(XXκXMZX))=0

Asymptotically, LIML และ 2SLS มีการแจกแจงแบบเดียวกันอย่างไรก็ตามในตัวอย่างขนาดเล็กสิ่งนี้อาจแตกต่างกันมาก โดยเฉพาะอย่างยิ่งกรณีที่เมื่อเรามีเครื่องมือมากมายและหากบางส่วนนั้นอ่อนแอ ในกรณีนี้ LIML ทำงานได้ดีกว่า 2SLS LIML ที่นี่แสดงให้เห็นว่าเป็นค่ามัธยฐานที่เป็นกลาง ผลลัพธ์นี้มาจากการศึกษาแบบจำลองจำนวนมาก โดยปกติแล้วเอกสารที่ระบุผลลัพธ์นี้จะอ้างอิงถึง Rothberg (1983) "คุณสมบัติเชิงซีรีย์ของตัวประมาณค่าบางตัวในแบบจำลองโครงสร้าง", Sawa (1972)หรือAnderson et al. (1982)

Steve Pischke จัดทำแบบจำลองสำหรับผลลัพธ์นี้ในบันทึกย่อปี 2016 ของเขาบนสไลด์ 17 แสดงการกระจายของ OLS, LIML และ 2SLS ด้วย 20 เครื่องมือซึ่งมีประโยชน์เพียงอันเดียวเท่านั้น ค่าสัมประสิทธิ์ที่แท้จริงคือ 1 คุณจะเห็นว่า LIML อยู่กึ่งกลางที่ค่าที่แท้จริงในขณะที่ 2SLS จะเอนเอียงไปทาง OLS ป้อนคำอธิบายรูปภาพที่นี่

ตอนนี้ข้อโต้แย้งน่าจะเป็นดังต่อไปนี้: เนื่องจาก LIML สามารถแสดงให้เห็นว่าเป็นค่ามัธยฐานแบบไม่ฝักใฝ่ฝ่ายใดและในกรณีที่เพิ่งระบุ (ตัวแปร endogenous หนึ่งตัวแปรหนึ่งเครื่องดนตรี) LIML และ 2SLS นั้นเทียบเท่ากัน 2SLS ต้องเป็นค่ามัธยฐานเป็นกลาง

อย่างไรก็ตามดูเหมือนว่าคนอีกครั้งกำลังผสม "เครื่องมือที่อ่อนแอ" และ "เครื่องมือที่อ่อนแอจำนวนมาก" เพราะในการตั้งค่าที่เพิ่งระบุทั้ง LIML และ 2SLS จะมีอคติเมื่อเครื่องมืออ่อนแอ ฉันไม่เห็นผลลัพธ์ใด ๆ ที่แสดงให้เห็นว่า LIML ไม่มีความเป็นกลางในกรณีที่เพิ่งระบุเมื่อตราสารอ่อนและฉันไม่คิดว่านี่เป็นเรื่องจริง ข้อสรุปที่คล้ายกันนี้มาจากการตอบสนองของ Angrist และ Pischke (2009) ต่อ Gary Solo ในหน้า 2 ที่พวกเขาจำลองอคติของ OLS, 2SLS และ LIML เมื่อเปลี่ยนความแข็งแกร่งของเครื่องมือ ป้อนคำอธิบายรูปภาพที่นี่

สำหรับค่าสัมประสิทธิ์ระยะแรกที่น้อยมากที่ <0.1 (แก้ไขข้อผิดพลาดมาตรฐาน) นั่นคือความแข็งแรงของเครื่องมือต่ำ 2SLS ที่เพิ่งระบุ (และ LIML ที่เพิ่งระบุมีค่าใกล้เคียงกับขีด จำกัด ความน่าจะเป็นของ OLS ประมาณเมื่อเปรียบเทียบกับ ค่าสัมประสิทธิ์ที่แท้จริงของ 1

เมื่อค่าสัมประสิทธิ์ระยะแรกอยู่ระหว่าง 0.1 ถึง 0.2 พวกเขาทราบว่าสถิติ F ขั้นตอนแรกสูงกว่า 10 และด้วยเหตุนี้จึงไม่มีปัญหาเกี่ยวกับเครื่องมือที่อ่อนแออีกต่อไปตามกฎของ F> 10 โดย Stock และ Yogo (2005) ในแง่นี้ฉันไม่เห็นว่า LIML ควรจะแก้ไขปัญหาอุปกรณ์ที่อ่อนแอในกรณีที่เพิ่งระบุได้อย่างไร นอกจากนี้โปรดสังเกตว่า i) LIML มีแนวโน้มที่จะกระจายตัวมากขึ้นและต้องการการแก้ไขข้อผิดพลาดมาตรฐาน (ดู Bekker, 1994) และ ii) หากเครื่องมือของคุณอ่อนแอจริง ๆ คุณจะไม่พบสิ่งใดในขั้นตอนที่สองไม่มี 2SLS หรือ LIML เพราะข้อผิดพลาดมาตรฐานจะใหญ่เกินไป


ขอบคุณสำหรับคำตอบ! นี่ทำให้ทุกอย่างชัดเจนขึ้นสำหรับฉัน
อีเลียส
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.