管理基础研究及其方法 6

管理研究设计与方法（第3版）RESEARCHDESIGNANDMATHDOLOGYINMANAGEMENT第1篇

管理研究概述第1章

管理研究概述第2章理论框架与研究假设第3章

管理研究的范式第2篇

管理研究设计第4章

测量量表、问卷设计及调研实施第5章

基于二手数据的研究设计：来源、分析与应用第6章实验研究设计第7章

文本分析与计算机辅助文本分析第3篇

管理研究方法第8章

相关分析和线性回归分析方法第9章

中介效应及其检验操作第10章

调节效应及其检验操作第11章

非线性问题及其检验操作第12章

内生性问题及其控制第4篇

管理研究前言方法第13章

社会网络分析方法及其操作第14章

神经科学研究及其应用第15章

人工智能时代管理研究方法与应用第12章内生性问题及其控制CONTENTS01内生性的定义内生性的判断内生性的产生内生性的控制0203040207内生性控制实例倾向得分匹配模型及其应用0506虚拟变量的内生性问题及解决PART01内生性的定义内生性的定义PART01如果扰动项与解释变量不满足外生性假定，那么这个解释变量就是内生的，被称为内生变量，与此相关的模型存在内生性问题（endogeneityissue）。PART02内生性的产生内生性的产生PART02遗漏变量(omittedvariables)是指模型中漏掉了一个或几个重要的解释变量，且这些被遗漏的解释变量与模型的解释变量相关。由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差的一部分，从而导致内生性问题。当至少一个解释变量被确定为被解释变量的函数，反向（双向）因果就出现了。遗漏变量度量误差互为因果PART03内生性的判断内生性的判断PART03自身理论知识和直观专业性判断Hausman和DWH的检验直接控制PART04内生性的控制内生性的控制PART04控制代理变量工具变量法固定效应模型断点回归处理效应模型双重差分法Heckman选择模型自然实验法倾向得分匹配内生性的控制PART04控制代理变量例如研究“是否上大学对收入的影响”，需要控制住上大学这个条件之外所有对收入可能造成影响的条件，比如能力、家庭条件等等，会有很多难以测量的信息被遗漏。当我们想看是否上大学(College)对收入(Income)的影响时，原本的关系满足：Income=α0+α1College+u若我们找到了衡量“能力(Ability)”的代理变量IQ，满足：Ability=β0+β1IQ+e则原本的关系就变成：Income=α0+α1College+α2Ability+ε衡量IQ是不是一个好的代理变量，需要满足以下三个假设：假设一，代理变量与所缺失的混杂因素相关，即IQ与Ability相关，β1不为0；假设二，如果将该代理变量纳入方程，内生性问题则不存在，即Ability放入Income式子中，方程原本的内生性不存在，即新产生的ε不与College或IQ相关；假设三，无法被代理变量所解释的那部分缺失变量与其他自变量无相关，即e不与College或IQ相关。内生性的控制PART04工具变量法两阶段最小二乘法(TSLS)广义矩估计方法（GMM）工具变量的检验工具变量的选择内生性的控制PART04固定效应模型固定效应模型可以消除不随时间变化因素导致的内生性问题，但无法消除随时间变化因素导致的内生性问题。内生性的控制PART04Heckman选择模型Heckman两阶段模型主要是针对性解决样本选择偏误(sampleselectionbias)导致的内生性问题。内生性的控制PART04处理效应模型在经济学中评估项目或政策实施效果是一类很重要的研究，此类研究又被称为项目效应评估或政策效应分析，主要使用的是处理效应模型。该模型包含一个内生的指示变量，通常和自然科学实验一样分为实验组和对照组(D=1或0)，由于实验组和对照组成员初始条件不同，会产生选择偏差。内生性的控制PART04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，对另一部分样本无影响，而我们想看一下这次外部冲击到底有何影响时，双重差分法就能用来研究这次冲击的净效应。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受冲击的样本中寻求与实验组匹配的对照组，而后做差，做差剩下来的便是这次冲击的净效应。双重差分法实际上是固定效应的一个变种，差分的过程实际上是排除固定效应的过程。内生性的控制PART04断点回归断点回归的思路是研究某一断点处的政策效应，因为在特定断点处，实验组和对照组在本质上差异不大的。断点回归分为清晰断点回归和模糊断点回归，区别是断点是否能完全分割实验组和对照组。内生性的控制PART04自然实验法自然实验法指的是在研究中，因为某些外部事件使得研究对象被随机分成了实验组和对照组。其关键在于寻找一个影响被解释变量而不影响解释变量的外部事件。自然实验法本质上是一种观察实验，它是现场和实验室实验之外的另一种选择。内生性的控制PART04倾向得分匹配倾向得分匹配(propensityscorematching，PSM)模型类似于多元线性回归。不过多元线性回归的无偏估计依赖于函数形式的正确设定，否则会出现函数形式误设(functionalformmisspecification，FFM)导致估计量有偏。PSM模型通过匹配可以减少对函数形式的依赖，放松对多元回归模型的线性假设，进而缓解FFM问题。PART05倾向得分匹配倾向得分匹配模型及其应用PART05倾向值模型的分析过程倾向得分的计算具体匹配方法介绍倾向值模型的分析过程PART03

共同取值范围近邻匹配半径匹配半径内近邻匹配核匹配局部线性回归匹配样条匹配马氏匹配平衡假设检验基于匹配后样本的处置效应分析基于匹配后样本的多元分析Logistic或probit回归计算倾向得分匹配匹配后的分析具体操作案例PART05确定匹配的自变量（协变量）近邻匹配半径匹配核匹配和其他确定匹配的自变量（协变量）-逐步回归法PART05egenmiss=rmiss($x)dropifmiss>0//删除缺漏值keepidunionwage$xcompresssavenlsw88_simple.dta,replacesysusenlsw88,cleardropifunion==.describexii.industryi.racei.occupationglobalx"agemarriednever_marriedcollgradsouthsmsac_cityttl_exptenure_I*"logitunion$xstepwise,pr(0.1):logitunion$x//逐步回归法，确定匹配的自变量matb=e(b)globalx:colnamesb//取出显著的变量globalx:dissubinword("$x","_cons","",.)//去除常数项dis`"$x"'usenlsw88_simple.dta,clearcapsafedropugenerateu=uniform()//截面数据，必须随机排序sortupsmatch2union$x,out(wage)neighbor(1)atecommonnoreplacementpstest$x,bothgraph近邻匹配PART05sum_pscorepsmatch2union$x,out(wage)n(1)caliper(0.005)atecommon半径匹配PART05psmatch2union$x,out(wage)kernelatecommon核匹配PART05局部线性回归匹配PART05PART06虚拟变量的内生性问题及解决

当自变量为虚拟变量时，也有可能产生内生性问题。解决内生性问题最有效的方法就是寻找工具变量。在二值选择模型中，若存在内生解释变量，使用通常的Probit或Logit模型将得不到一致估计。此时使用“工具变量Probit”（简称ⅣProbit）可有效解决内生性问题。ⅣProbit有两种估计方法。其一是最大似然估计（MLE），尽管MLE最有效率，但在数值计算时，尤其存在多个内生性解释变量时，可能不易收敛。其二是两步法估计，其原理为：既然内生性是由于遗漏了变量vi，故将vi作为控制变量加入方程中，即可得到一致估计。虽然扰动项vi不可预测，但可用OLS残差作为vi的一致估计。其步骤如下。第一步：以内生变量作为被解释变量进行OLS回归，得到残差。第二步：以残差替代vi进行Probit估计，得到变换后的系数估计值。需要注意的是两步法估计系数与MLE系数并不直接可比。MLE法和两步法中含内生变量Probit模型的Stata命令分别为：ivprobity1x1x2（y2=z1z2）ivprobity1x1x2（y2=z1z2）,firsttwostep虚拟变量的内生性问题及解决PART06下面以网络数据集laborsup.dta为例，研究家庭因素对妇女是否就业的影响，判断是否存在内生性问题。该数据集包括以下变量：fem_work（妇女是否工作；工作时为1，否则为0）、fem_educ（妇女受教育程度）、kids（孩子数量）、other_inc（家庭其他收入）。P(fem_worki=1)=β0+β1fem_educi+β2kidsi+β3other_inci+

imale_inc（伴侣收入）同时影响直接影响不满足外生性male_edu（伴侣受教育程度）代替回归问题分析与解决PART06male_educ（配偶受教育程度）替代male_inc

（配偶收入）作为工具变量。一方面，配偶受教育程度与家庭其他收入直接相关，满足工具变量的相关性；另一方面，配偶的受教育程度不直接影响妇女是否就业，故满足工具变量的外生性。因此使用此工具变量进行MLE估计，可有效检测other_inc是否为内生变量。命令如下：webuselaborsup,clearivprobitfem_workfem_educkids(other_inc=male_educ)最大似然估计（MLE）回归问题分析与解决PART06

Coef.Std.Err.zP>|z|[95%Conf.Interval]other_inc-0.05427560.0060854-8.920.000-0.0662027-0.0423485fem_educ0.2111110.02686487.860.0000.15845690.2637651kids-0.18209290.0478267-3.810.000-0.2758316-0.0883543_cons0.36720830.44807240.820.412-0.51099751.245414/athrho0.39078580.15094432.590.0100.09494030.6866313/lnsigma2.8133830.031622888.970.0002.7514042.875363rho0.37203740.1300519

0.09465610.5958135sigma16.666210.5270318

15.6646117.73186Instrumented:other_incInstruments:fem_educkidsmale_educWaldtestofexogeneity(/athrho=0):chi2(1)=6.70Prob>chi2=0.0096

回归问题分析与解决PART06Coef.Std.Err.zP>|z|[95%Conf.Interval]other_inc

-0.058470.0093364-6.300.000-0.07677-0.04017male_educ0.2274370.02816288.080.0000.1722390.282635kids-0.196170.0496323-4.000.000

-0.29345-0.0989_cons0.3956060.49826490.790.427

-0.580981.372187Instrumented:other_incInstruments:fem_educkidsmale_educWaldtestofexogeneity:chi2（1）=6.50Prob＞chi2=0.0108other_inc

Coef.Std.Err.tP>|t|[95%Conf.Interval]male_educ2.8452530.28388410.020.0002.287493.403016fem_educ0.33518660.2837341.180.238

-0.22228290.892656kids0.83290560.549771