内生性问题原因和处理方法

内生性问题 内生性问题 就是模型中的一个或多个解释变量与随机扰动项相就是模型中的一个或多个解释变量与随机扰动项相 关的问题 变量的内生性问题总是不可避免的 内生性引起的问题关的问题 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 主要是引起参数估计的不一致 引起内生性问题的原因 引起内生性问题的原因 1 遗漏变量 遗漏变量 这主要是因为实际的问题中 一个变量往往受到许多变量的影响 这主要是因为实际的问题中 一个变量往往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 量相关的情况下 就引起了内生性问题 2 测量误差 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 也可能是由于对解释变量 的测的测 y x 量误差 这两种情况引发的结果是不一样的 量误差 这两种情况引发的结果是不一样的 3 双向交互影响双向交互影响 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 被解释变量阐述为 被解释变量 和解释变量和解释变量 之间存在一个交互影响的过程 之间存在一个交互影响的过程 y x 的数值大小会引起的数值大小会引起 取值的变换 但同时取值的变换 但同时 的变换又会反过来对的变换又会反过来对 x yy 构成影响 这样 在如下的回归方程中 构成影响 这样 在如下的回归方程中 x 如果残差项 如果残差项 的冲击影响了的冲击影响了 的取值 而这的取值 而这 01 1kk yxx y 样的影响会通过样的影响会通过 传导到传导到 上 从而造成了上 从而造成了 和残差项和残差项 的相关 也的相关 也 y xx 就是引起了内生性问题 就是引起了内生性问题 内生性问题处理方法 内生性问题处理方法 1 工具变量法 工具变量法 IV 就是找到一个变量和内生化变量相关 但是和残差项不相关 在就是找到一个变量和内生化变量相关 但是和残差项不相关 在 OLS 的框架下同时有多个的框架下同时有多个 IV 这些工具变量被称为两阶段最小二乘 这些工具变量被称为两阶段最小二乘 2SLS 估计量 具体的说 这种方法是找到影响内生变量的外生 估计量 具体的说 这种方法是找到影响内生变量的外生 变量 连同其他已有的外生变量一起回归 得到内生变量的估计值 变量 连同其他已有的外生变量一起回归 得到内生变量的估计值 以此作为以此作为 IV 放到原来的回归方程中进行回归 放到原来的回归方程中进行回归 2 代理变量法 代理变量法 Proxy 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 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 行处理 行处理 3 自然实验法自然实验法 就是就是发生了某些外部突发事件 使得研究对象仿佛被随机分就是就是发生了某些外部突发事件 使得研究对象仿佛被随机分 成了实验组或控制组 该事件只影响一部分样本 或者只影响解释成了实验组或控制组 该事件只影响一部分样本 或者只影响解释 变量而不影响被解释变量 变量而不影响被解释变量 4 双重差分法双重差分法 倘若出现了一次外部冲击 这次冲击影响了一部分样本 对另一部倘若出现了一次外部冲击 这次冲击影响了一部分样本 对另一部 分样本则无影响 双重差分法就是用来研究这次冲击的净效应的 分样本则无影响 双重差分法就是用来研究这次冲击的净效应的 其基本思想是 将受冲击的样本视作实验组 再按照一定标准在未其基本思想是 将受冲击的样本视作实验组 再按照一