※ 引述《cynthia1985 (cynthia1985)》之铭言： : 一个统计上的问题 : 如果我今天要做一个题目为"是否义务教育长度对(潜在)所得有影响"----以美国为例 : 美国各州所规定的上学年龄和可离校年龄都不甚相同，有的规定5~18岁为义务教育;有的则是5~17或6~17 : 我看了一些论文她们都采用instrumnet method而非单纯OLS : 我知道IV method是当解释变数和随机干扰项变数相关时须采用 : 但......在这个例子中要怎麽知道他门相关并认定IV method比OLS好? : 如果真的IV method是较好,那如何找适合的IV??? : (请举适合的iv给我不要理论的东西) : 看了一些书但是她们都还是讲概念的东西所以不是很懂IV实际运用的方法 : 目前我有的一点idea是将regression model: : 所得=性别+家庭背景+种族+义务教育长度+各州富有程度(地区).... : 希望有很懂得人可以帮我解答~这答案对我而言非常重要~ : 谢谢先^^ 首先先回答你问的IV method 为什麽我们不用OLS就好了要用IV呢 这是因为我们发现解释变数(X)跟残差项可能会相关 这样推出来的回归系数估计式就不是一致性(consistent)的估计式了 至於理由 可以参考任何一本计量课本应该都会写 虽然你说不要讲理论 不过我觉得还是把一些该讲的给讲一讲 就你说的例子来说好了 所得跟受教育年数的关系可能是有另外一个变数同时影响 也就是说可能所得越高跟受教育年数越长跟他们的能力有关 这时候你若是要用受教育年数来解释所得高低的话就会有上述的问题 就必须要找替代的变数 这里替代的变数(instrumental variables)有两个要求 第一是与X的相关性要够高，如此一来才能捕捉到X的大部分资讯 第二是这个变数必须是外生的，也就是不能跟残差项有关 同时满足这两个要求的IV并不是很容易找 就你的例子来说 有人找到的IV是出生的月份，因为他们觉得出生月份会是外生的 但是出生月分确会影响到你的义务教育年数 因为都是9月入学但是有些州规定义务教育到满16岁 所以到满16岁生日那天他就可以选择不用去上学了 (此篇是 Angrist and Krueger QJE, 1991 ) 但是後来却被另外一组人用随机分配的出生资料给推翻掉 Bound, Jaeger, and Baker (JASA, 1995) 後来发现是因为生日和解释变数(受教育年数)的相关系很低 (F值小於2) 所以表示IV的相关性很重要 我回答的好像还是很理论 但有两个重点就是相关性(relevance)跟外生性(exogeneity) 至於怎麽找IV 就真的是艺术了 以上浅见 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.211.236