计量经济学 课件 第12章 因果识别方法概述_第1页
计量经济学 课件 第12章 因果识别方法概述_第2页
计量经济学 课件 第12章 因果识别方法概述_第3页
计量经济学 课件 第12章 因果识别方法概述_第4页
计量经济学 课件 第12章 因果识别方法概述_第5页
已阅读5页,还剩28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第12章因果识别方法概述湖南大学经济与贸易学院14-6月-262第12章因果识别方法概述12.1内生性问题12.2双重差分方法12.3工具变量方法12.4倾向性得分匹配方法湖南大学经济与贸易学院14-6月-26312.1内生性问题实证模型中的自变量分为内生变量和外生变量外生变量:由模型以外的因素所决定的变量,即不受模型内未被控制因素(随机扰动项或因变量)影响的变量

内生变量:可由模型内未被控制的因素(随机扰动项或因变量)进行解释的变量湖南大学经济与贸易学院14-6月-26412.1内生性问题例12.1农作物产量决定模型化肥施用量Fer由于受到土壤特性、作物品种、环境规制水平等未被控制因素的影响,因此与随机扰动项相关;农户会根据农作物产量选择化肥施用量,Fer受到因变量Crop的影响,因此Fer应被视为内生变量。气温Temp与降雨量Rain属于自然条件,不受模型中随机扰动项或因变量的影响,可被视为外生变量。湖南大学经济与贸易学院14-6月-26512.1内生性问题例12.2家庭消费支出决定模型其中,家庭总收入Income由于受到家庭成员的学历、能力、经验、健康、职业行业等未被控制因素的影响,因此与随机扰动项相关;同时Income会受到家庭消费支出Spedning的反向影响,

因此Income应被视为内生变量。类似地,家庭未成年子女数Kids也应被视为内生变量。个人所得税率Tax由政府通过立法决定,不受模型中随机扰动项或因变量的影响,可被视为外生变量。湖南大学经济与贸易学院14-6月-26612.1内生性问题当随机扰动项ε与核心自变量X相关,即当高斯-马尔可夫定理中的条件误差零均值假定(E(ε|X))=0)不满足时,模型出现内生性问题,此时X为内生变量,所得到的估计系数不再是无偏估计量,不能依据系数进行因果推断。三大内生性问题:遗漏变量问题、反向因果问题、测量误差问题湖南大学经济与贸易学院14-6月-26712.1内生性问题湖南大学经济与贸易学院14-6月-261、遗漏变量问题由模型中遗漏了重要控制变量所导致以二元回归模型为例,假设正确刻画X1对Y影响的模型为:而错误估计了以下模型为:即遗漏了控制变量X2,模型中即存在遗漏变量问题。如果X1与X2相关,此时包含了被遗漏变量X2的随机扰动项ν就与核心自变量X1相关,即违背了条件误差零均值假定,导致模型出现内生性问题。812.1内生性问题湖南大学经济与贸易学院14-6月-26误设模型中的估计系数与正确模型中的估计系数存在如下关系:该式被称为遗漏变量偏误公式遗漏变量的估计偏误由两部分决定:被遗漏变量X2对因变量Y的潜在影响,即β2;被遗漏变量X2与感兴趣的自变量X1之间的相关系数,即δ12遗漏变量偏误的方向和大小存在五种情况,可根据两部分情况分析912.1内生性问题湖南大学经济与贸易学院14-6月-26遗漏变量的确定在实践中存在一定主观性,需要针对不同研究问题,基于现有文献、经济理论或常识进行判断;实证分析中主要关注遗漏变量的存在性和方向,进行因果分析时要对遗漏变量的存在原因和可能影响进行分析,无需对偏误进行具体计算;针对偏误为0的情况,即使被遗漏的变量X2与感兴趣的变量X1不相关,只要X2对因变量Y存在影响,将其控制也能够减小参数估计量的方差,提高有效性,因此所有模型中都必须合理加入控制变量。1012.1内生性问题湖南大学经济与贸易学院14-6月-262、反向因果问题当因变量对自变量产生影响时,出现反向因果问题,模型可表述为:(12.6)(12.7)式12.6中随机扰动项ε对因变量Y的影响通过式12.7传导至X,而式12.7中随机扰动项ν对因变量的影响通过式12.6传导至Y随机扰动项ε和X相关,随机扰动项ν和Y相关,导致了内生性问题1112.1内生性问题湖南大学经济与贸易学院14-6月-262、反向因果问题若设方程12.6为待识别方程,则两方程系统中不包含方程12.6的被斥变量,不满足阶条件(OrderCondition),两方程都不可识别,因此需要加入新变量:两方程中分别加入新变量Z和K后,模型满足阶条件,两方程皆可识别1212.1内生性问题湖南大学经济与贸易学院14-6月-263、测量误差问题当计量模型中变量的数据偏离真实值时,则称该变量存在测量误差。测量误差可能来源于信息误报、问卷设计瑕疵、数据整理纰漏、变量衡量维度单一等各种原因。自变量中的测量误差问题,估计如下模型:假设自变量X1的数据存在偏离真实值的测量误差:1312.1内生性问题湖南大学经济与贸易学院14-6月-26与真实的X1'相比,所观测到的X1存在误差e,数据准确模型应为:简单变换得到:判断内生性问题存在的关键:当X1存在测量误差时,模型的随机扰动项变为ε-β1e,判断其是否仍然满足高斯-马尔可夫定理中的条件误差零均值假定1412.1内生性问题湖南大学经济与贸易学院14-6月-26(1)若测量误差e的分布依赖于自变量X,即e与X相关,则数据具有系统性测量误差(SystematicMeasurementError),模型存在内生性问题,OLS估计量有偏,系数将产生一个向0的衰减偏误(AttenuationBias)(2)若测量误差e与X不相关,此时数据具有随机性测量误差(RandomMeasurementError),条件误差零均值假定满足,模型不存在内生性问题(不影响无偏性),但此时残差方差增大将导致估计系数的方差增大,会降低估计的有效性。1512.1内生性问题湖南大学经济与贸易学院14-6月-263、测量误差问题因变量中的测量误差问题,估计如下模型:假设因变量Y的数据存在偏离真实值的测量误差:与真实的Y'相比,所观测到的Y存在误差e,数据准确模型应为:1612.1内生性问题湖南大学经济与贸易学院14-6月-26当Y存在测量误差时,模型随机扰动项变为ε+e,其是否满足高斯-马尔可夫定理中的条件误差零均值假定,是判断内生性问题是否存在的关键。(1)若测量误差e的分布依赖于自变量X,即e与X相关,则数据具有系统性测量误差,模型存在内生性问题,OLS估计量有偏。(2)若测量误差e与X不相关,则数据具有随机性测量误差,条件误差零均值假定满足,模型不存在内生性问题,OLS估计量无偏,此时残差方差增大将导致估计系数方差增大,会降低估计的有效性。总结:数据中存在测量误差不一定导致内生性问题,仅自变量或因变量的系统性测量误差会导致内生性问题1712.1内生性问题湖南大学经济与贸易学院14-6月-264、内生性问题的处理原则内生性问题的处理原则是寻找作为反事实的控制组,并与处理组进行比较,从而得到因果关系。为保证控制组与处理组的可比性,减少初始差异,所选择的控制组在各个维度上要尽可能接近于处理组。主流因果识别技术寻找控制组的方法:(1)利用外生冲击消除控制组与处理组的初始差异(双重差分方法、工具变量方法)(2)使用统计方法直接构建合适的控制组(倾向性得分匹配方法)1812.2双重差分方法湖南大学经济与贸易学院14-6月-26双重差分(Difference-in-Difference)属于拟实验(Quasi-experiment):基于“寻找外生冲击”思想来识别因果关系,以评估项目和政策的有效性拟实验又称准实验或自然实验,指感兴趣的自变量受到天然发生的外生事件冲击,产生了随机分布的处理组与控制组。实证研究中常见的外生冲击包括政策或法规的出台、经济项目的实施、自然灾害的降临、历史事件的影响等。1912.2双重差分方法湖南大学经济与贸易学院14-6月-26假设评估经济政策或经济事件(即外生冲击或自然实验)X对Y的影响。令Ytb为外生冲击发生前处理组的结果,Yta为外生冲击发生后处理组的结果,Ycb为外生冲击发生前控制组的结果,Yca为外生冲击发生后控制组的结果(t代表treatment,即处理组;c代表control,即控制组;b代表before,即冲击发生前;a代表after,即冲击发生后)外生冲击发生前后处理组的结果平均差异为Yta-Ytb,而外生冲击发生前后控制组的结果平均差异为Yca-Ycb双重差分估计量为:DID=(Yta-Ytb)-(Yca-Ycb)2012.2双重差分方法湖南大学经济与贸易学院14-6月-26双重差分估计量可以理解为“外生冲击发生后的处理组和控制组差异”中减去“外生冲击发生前的处理组和控制组差异”2112.2双重差分方法湖南大学经济与贸易学院14-6月-26以面板数据模型为例,双重差分基准模型如下:其中,treat为0-1虚拟变量,若该观测值受到外生冲击影响,则treat=1;反之则treat=0(控制组)。post为0-1虚拟变量,若观测时间点在外生冲击发生后,则post=1;反之则post=0。β为双重差分估计系数,解释为在控制其他变量不变时,外生冲击所导致的处理组与控制组之间的结果差异。2212.2双重差分方法湖南大学经济与贸易学院14-6月-26双重差分方法是否有效,取决于平行趋势假定是否满足。若外生冲击没有发生,处理组和控制组的结果的发展趋势应该保持一致。常见的平行趋势检验方法为事件研究法(EventStudy)2312.2双重差分方法湖南大学经济与贸易学院14-6月-26合理使用双重差分法注意要点:(1)使用尽可能外生的事件作为冲击(2)获取处理组和控制组在外生冲击发生前后的数据(3)合理设置控制组,尽量减少控制组与处理组的初始差异(4)确认平行趋势满足双重差分方法形式多样,三重差分方法(DDD)、空间双重差分方法(SpatialDID)及连续双重差分方法(StaggeredDID)是值得重点关注的变体2412.3工具变量方法湖南大学经济与贸易学院14-6月-26工具变量方法(InstrumentalVariable):若感兴趣的自变量为内生变量,则寻找一个影响该内生变量的外生变量,利用其外生变化来进行因果识别。前提条件:(1)相关性条件:即工具变量与内生变量强相关(实际要求工具变量影响内生变量)(2)无关性条件:工具变量与影响因变量的其他不可观测因素不相关即工具变量影响因变量的唯一渠道是通过影响内生变量2512.3工具变量方法湖南大学经济与贸易学院14-6月-26考察如下模型:假设X1是感兴趣的内生变量,此时需要找到X1的一个工具变量Z,并使Z满足如下条件:相关性条件:无关性条件:应用实例:Angrist(1990);Chen等(2022);Chen等(2020)2612.3工具变量方法湖南大学经济与贸易学院14-6月-26工具变量模型的估计方法:两阶段最小二乘法(2SLS)设感兴趣的自变量X1为内生变量,X1的一个合适的工具变量为Z1第一阶段回归:即将内生变量X1对工具变量Z1和所有的控制变量进行回归,得到X1的拟合值替代X1。进行第二阶段回归:β1即为反映因果关系的两阶段最小二乘估计量(实例:Chen等,2022)2712.3工具变量方法湖南大学经济与贸易学院14-6月-26工具变量分析中的相关性条件可以通过第一阶段回归进行检验避免使用弱工具变量:可观察第一阶段回归中的F值是否大于10无关性条件一般无法检验,须依托经济理论或常识进行论证2812.3工具变量方法湖南大学经济与贸易学院14-6月-26当模型中存在多个内生变量时,可以同时使用多个工具变量,但必须满足阶条件,即工具变量数应至少与内生变量数相等。若工具变量的个数超过内生变量的个数,由于多个工具变量在分开使用时可能带来不同的结果,需要进行过度识别检验(0ver-identificationTest),常用检验方法为Sargan-Hansen(J-Statistic)检验。2912.3工具变量方法湖南大学经济与贸易学院14-6月-26工具变量估计的是局部平均处理效应(LocalAverageTreatmentEffect),而非完整意义上的平均处理效应。原理:样本中并非所有个体都受到工具变量影响,工具变量只能捕捉那些行为或状态受到工具变量影响的个体(称为服从者)的处理效应,而无法捕捉行为或状态未受到工具变量影响的个体(称为不服从者)的处理效应3012.4倾向性得分匹配方法湖南大学经济与贸易学院14-6月-26倾向性得分匹配方法(PropensityScoreMatching):当处理组与控制组存在系统性初始差异时,使用一组可观测变量构建统计意义上的控制组,将受影响的个体(处理组)和未受影响的个体(控制组)进行匹配,从而得到感兴趣的处理效应,即因果关系。第一步:基于一组可观测变量估计每一个体参与项目(即受到处理)的概率,该概率称为倾向性得分。第二步:基于上一步得到的倾向性得分,依据不同匹配算法将每一个受到处理的个体与未受处理个体进行匹配,计算出平均差异(即平均处理效应)。3112.4倾向性得分匹配方法湖南大学经济与贸易学院14-6月-26倾向性得分匹配方法的有效性依赖于两条关键假设:条件独立假设与共同支撑假设。(1)条件独立假设(ConditionalIndependenceAssumption):假定个体是否参与项目(即是否受到处理)完全由所选择的可观测变量决定,而不受任何其他不可观测变量的影响。(2)共同支撑假设(CommonSupportAssumption):要求尽量使每一

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