更改

添加132字节 、 2022年8月1日 (一) 21:51
第56行: 第56行:  
在一般形式的回归模型(2)中(以矩阵形式表示):
 
在一般形式的回归模型(2)中(以矩阵形式表示):
   −
是由解释变量构成的  维矩阵, 是系数向量。定义一个矩阵  与  有着相同的维度,作为  的工具变量,将(2)式两端同乘以矩阵 ,则有:
+
y = Xβ+u
   −
工具变量  与  不相关,意味着当  趋于无穷大时  的概率极限为 0。因此,我们可以从下式中定义出 IV 估计量 :
+
X是由解释变量构成的 N×k 维矩阵, β是系数向量。定义一个矩阵 Z(z_1,z_2,....z_k)与X(x_1,x_2,....x_k) 有着相同的维度,作为X的工具变量,将(2)式两端同乘以矩阵Z' ,则有:
   −
IV 估计量的一种有趣的情况是:如果零条件均值假设满足,每一个解释变量都可以做为自己的工具变量,即 ,此时,IV 估计量就缩减为 OLS 估计量。因此,当零条件均值假设满足时,OLS 估计量是 IV 估计量的一种特殊情形。
+
Z'y = Z'Xβ+Z'u
 +
 
 +
工具变量 Z与u 不相关,意味着当 N趋于无穷大时 1/N(Z'u) 的概率极限为 0。因此,我们可以从下式中定义出 IV 估计量β<^>_iv :
 +
 
 +
Z'y = Z'Xβ<^>_iv
 +
 
 +
β<^>_iv = (Z'X)^(-1)Z'y
 +
 
 +
IV 估计量的一种有趣的情况是:如果零条件均值假设满足,每一个解释变量都可以做为自己的工具变量,即 X=Z,此时,IV 估计量就缩减为 OLS 估计量。因此,当零条件均值假设满足时,OLS 估计量是 IV 估计量的一种特殊情形。