更改

添加12字节 、 2022年8月1日 (一) 21:42
无编辑摘要
第46行: 第46行:       −
在模型(1)中我们遗漏了 <code>能力</code> 这个重要变量,在这种情况下,OLS 估计量  就不是 β的一致估计量,因为 ''' 包括了两部分的影响效果:一部分''' 是我们期望得到的受教育年数对收入的直接影响,'''另一部分''' 是来自于能力的间接影响,例如,能力高的人通常会有较高的受教育年数,从而有较高的收入。如果受教育时间增加 1 年与年收入增加 1,000 美元相关,我们就不能确定增加的 1,000 美元当中有多少是来自于 '''受教育年数多的影响''',有多少是来自于 '''能力高''' 的影响。
+
在模型(1)中我们遗漏了 <code>能力</code> 这个重要变量,在这种情况下,OLS 估计量<math>ß^</math>就不是β的一致估计量,因为 ''' 包括了两部分的影响效果:一部分''' 是我们期望得到的受教育年数对收入的直接影响,'''另一部分''' 是来自于能力的间接影响,例如,能力高的人通常会有较高的受教育年数,从而有较高的收入。如果受教育时间增加 1 年与年收入增加 1,000 美元相关,我们就不能确定增加的 1,000 美元当中有多少是来自于 '''受教育年数多的影响''',有多少是来自于 '''能力高''' 的影响。
    
我们可以使用工具变量估计法解决上述内生性问题。引入一个新的工具变量 ,它具有以下性质: 的变化与  的变化相关;除了  会间接的通过影响  来影响  之外, 的变化不会导致  的变化。例如,与大学相邻 () 可能会决定是否上大学,从而影响受教育年数 (),但并不直接决定收入 ()。如下图三所示:<blockquote>当  的工具变量  满足以下条件时,IV 估计量  是一致估计量: (1) 与  相关; (2) 与  不相关。</blockquote> 
 
我们可以使用工具变量估计法解决上述内生性问题。引入一个新的工具变量 ,它具有以下性质: 的变化与  的变化相关;除了  会间接的通过影响  来影响  之外, 的变化不会导致  的变化。例如,与大学相邻 () 可能会决定是否上大学,从而影响受教育年数 (),但并不直接决定收入 ()。如下图三所示:<blockquote>当  的工具变量  满足以下条件时,IV 估计量  是一致估计量: (1) 与  相关; (2) 与  不相关。</blockquote>