คำตอบของ JohnRos นั้นดีมาก ในภาษาอังกฤษแบบเรียบๆความเป็นเอกภาพหมายความว่าคุณมีสาเหตุที่ไม่ถูกต้อง แบบจำลองที่คุณจดบันทึกและประมาณการณ์นั้นไม่ถูกต้องตามวิธีการทำงานของสาเหตุในโลกแห่งความเป็นจริง เมื่อคุณเขียน:
Yi=β0+β1Xi+ϵi
คุณสามารถคิดถึงสมการนี้ได้หลายวิธี คุณอาจคิดว่ามันเป็นวิธีที่สะดวกในการทำนายค่าตามค่าของX คุณอาจคิดว่ามันเป็นวิธีที่สะดวกในการสร้างแบบจำลองE { Y | X }YXE{Y|X} }ในทั้งสองกรณีนี้ไม่มีสิ่งใดที่เป็น endogeneity และคุณไม่จำเป็นต้องกังวลเกี่ยวกับมัน
อย่างไรก็ตามคุณสามารถคิดถึงสมการที่เป็นสาเหตุของการรวมตัว คุณสามารถคิดถึงเป็นคำตอบสำหรับคำถาม: "จะเกิดอะไรขึ้นกับYหากฉันเข้าสู่ระบบนี้และเพิ่มX 1 โดยทดลอง" หากคุณต้องการคิดแบบนั้นให้ใช้ OLS เพื่อประมาณจำนวนที่สมมติว่า:β1YX
- ทำให้ YXY
- ทำให้ YϵY
- ไม่ก่อให้เกิด XϵX
- ไม่ทำให้เกิด XYX
- ไม่มีสิ่งใดที่ทำให้เป็นสาเหตุให้XϵX
ความล้มเหลวของคนใดคนหนึ่งใน 3-5 จะส่งผลให้หรือไม่มากเท่าC o วี ( X , ε ) ≠ 0 ตัวแปรเครื่องมือเป็นวิธีหนึ่งในการแก้ไขความจริงที่ว่าคุณมีสาเหตุที่ไม่ถูกต้อง การทดลองควบคุมแบบสุ่มที่ดำเนินการอย่างสมบูรณ์แบบนั้นเป็นวิธีการบังคับ 3-5 ให้เป็นจริง หากคุณเลือกXแบบสุ่มแสดงว่าไม่ได้เกิดจากY , ϵE{ϵ|X}≠0Cov(X, ϵ ) ≠ 0XYεหรือสิ่งอื่นใด วิธีการที่เรียกว่า "การทดลองตามธรรมชาติ" นั้นเป็นความพยายามที่จะค้นหาสถานการณ์พิเศษในโลกที่มีความจริง 3-5 ข้อแม้ว่าเราไม่คิดว่า 3-5 จะเป็นเรื่องจริง
ในตัวอย่างของ JohnRos ในการคำนวณค่าจ้างการศึกษาคุณต้องมีการตีความสาเหตุของβ1แต่มีเหตุผลที่ดีที่จะเชื่อว่า 3 หรือ 5 เป็นเท็จ
ความสับสนของคุณเป็นที่เข้าใจแม้ว่า เป็นเรื่องปกติมากในหลักสูตรเกี่ยวกับตัวแบบเชิงเส้นสำหรับผู้สอนเพื่อใช้การตีความเชิงสาเหตุของβ1ฉันให้ไว้ข้างต้นในขณะที่แสร้งทำเป็นไม่แนะนำให้ใช้สาเหตุโดยอ้างว่า "มันเป็นเพียงสถิติ มันเป็นเรื่องขี้ขลาด แต่ก็เป็นเรื่องธรรมดามาก
ในความเป็นจริงมันเป็นส่วนหนึ่งของปรากฏการณ์ขนาดใหญ่ใน biomedicine และสังคมศาสตร์ มันเกือบจะเป็นกรณีที่เราพยายามหาสาเหตุเชิงสาเหตุของต่อYXY --- นั่นคือวิทยาศาสตร์ที่เกี่ยวข้อง ในทางกลับกันก็มักจะเป็นกรณีที่มีเรื่องราวบางอย่างที่คุณสามารถบอกได้ว่านำไปสู่ข้อสรุปว่าหนึ่งใน 3-5 เป็นเท็จ ดังนั้นจึงมีการฝึกฝนที่ไม่สุภาพและทำให้เกิดความไม่ซื่อสัตย์ซึ่งเราได้คัดค้านการคัดค้านโดยบอกว่าเราแค่ทำงานด้านการเชื่อมโยงจากนั้นก็แอบตีความสาเหตุที่อื่น (ตามปกติในบทนำและบทสรุปของบทความ)
หากคุณสนใจจริงๆคนที่อ่านคือจูเดียเพิร์ล James Heckman ก็ดีเช่นกัน
R
จำลอง