内生性产生的原因及解决方案.ppt

1、第五讲第五讲 内生性内生性 OLS OLS经典假设经典假设 所有的解释变量所有的解释变量X Xi i与随机误与随机误差项彼此之间不相关。差项彼此之间不相关。若解释变量若解释变量Xi和和ui相关，则相关，则OLS估计量是非一估计量是非一致的，也就是即使当样本容量很大时，致的，也就是即使当样本容量很大时，OLS估估计量也不会接近回归系数的真值。计量也不会接近回归系数的真值。当解释变量和随机误差项相关时，模型存在着当解释变量和随机误差项相关时，模型存在着内生性内生性问题。问题。n n在计量经济学中，把所有与扰动项相关在计量经济学中，把所有与扰动项相关的解释变量都称为的解释变量都称为“内生变量内生变量

2、”。这与。这与一般经济学理论中的定义有所不同。一般经济学理论中的定义有所不同。n n1。与误差项相关的变量称为。与误差项相关的变量称为内生变量内生变量(endogenousvariable)。n n2。与误差项不相关的变量称为。与误差项不相关的变量称为外生变量外生变量(exogenousvariable)。n n造成误差项与回归变量相关（内生性）的原造成误差项与回归变量相关（内生性）的原因很多，但我们主要考虑如下几个方面：因很多，但我们主要考虑如下几个方面：n n遗漏变量偏差遗漏变量偏差n n变量有测量误差变量有测量误差n n双向因果关系双向因果关系。遗漏变量偏差遗漏变量偏差n变量有测量误差变

3、量有测量误差n n测量数据正确时：假设方程为：测量数据正确时：假设方程为：测量数据正确时：假设方程为：测量数据正确时：假设方程为：当存在测量误差时：方程为：当存在测量误差时：方程为：所以我们有：所以我们有：可知，误差项中包含可知，误差项中包含所以可以得到：如果所以可以得到：如果则回归结果有偏，非一致则回归结果有偏，非一致我们假设我们假设则有则有结论：结论：1。由于。由于 2。回归的性质决定于。回归的性质决定于w的标准差的标准差 n双向因果关系双向因果关系n n之前我们假定因果关系是从回归变量到因变之前我们假定因果关系是从回归变量到因变量的量的(X导致了导致了Y)。但如果因果关系同时也。但如果因

4、果关系同时也是从因变量到一个或多个回归变量是从因变量到一个或多个回归变量(Y导致导致了了X)的呢？如果是这样的话，因果关系是的呢？如果是这样的话，因果关系是向前的也是向前的也是“向后向后”的，即存在双向因果的，即存在双向因果关系，如果存在双向因果关系，则关系，如果存在双向因果关系，则OLS回归回归中同时包含了这两个效应，因此中同时包含了这两个效应，因此OLS估计量估计量是有偏的、非一致的。是有偏的、非一致的。可以推导出：可以推导出：检验方法：豪斯曼检验检验检验方法：豪斯曼检验检验n n豪斯曼检验（豪斯曼检验（Hausmanspecificationtest）n nH0：所有解释变量均为外生变量

5、。：所有解释变量均为外生变量。n nH1：至少有一个解释变量为内生变量。：至少有一个解释变量为内生变量。quietlyreglw80s80expr80tenure80iqeststoreolsquietlyivregress2slslw80expr80tenure80(s80iq=medkwwmrtage)eststoreivhausmanivols，若，若Hausman检验失效（检验统计量为负值）检验失效（检验统计量为负值），则使用，则使用dmexogxt，否则仍，否则仍Hausman检验检验为主。为主。使用Davidson-MacKinnon检验n nxtivreg后后使用使用dmexog

6、xtn n*Davidson-MacKinnon(1993)检验检验*H0：OLS和和xtivreg都是一致的，即内生都是一致的，即内生性问题对性问题对OLS的估计结果影响不大的估计结果影响不大xtivregtlsizendtstang(npr=tobinL1.npr),fedmexogxtn nDavidson-MacKinnon检验得到检验得到F统计量的统计量的P值小于值小于0.05，代表有内生性，代表有内生性n n遗漏变量偏差遗漏变量偏差可采用在多元回归中加入遗漏变可采用在多元回归中加入遗漏变量的方法加以解决，但前提是只有当你有遗漏量的方法加以解决，但前提是只有当你有遗漏变量数据时上述方

7、法才可行。变量数据时上述方法才可行。n n双向因果关系偏差双向因果关系偏差是指如果有时因果关系是从是指如果有时因果关系是从X到到Y又从又从Y到到X时，此时仅用多元回归无法消时，此时仅用多元回归无法消除这一偏差。同样，除这一偏差。同样，n n变量有测量误差变量有测量误差也无法用我们前面学过的方法也无法用我们前面学过的方法解决。解决。n n因此我们就必须寻找一种新的方法。因此我们就必须寻找一种新的方法。二、内生性的解决方案二、内生性的解决方案n n事实上，仅仅为了解决内生性问题，并不需要我事实上，仅仅为了解决内生性问题，并不需要我们对内生性问题的缘起有很深入的理解。对于应们对内生性问题的缘起有很深

8、入的理解。对于应用型的实证研究而言，我们只需要掌握解决内生用型的实证研究而言，我们只需要掌握解决内生性问题的具体方案即可。内生性问题的解决方案性问题的具体方案即可。内生性问题的解决方案一共四种，理论上来讲，这四种方案应对内生性一共四种，理论上来讲，这四种方案应对内生性问题都很有效。但于我个人而言，我对四种方法问题都很有效。但于我个人而言，我对四种方法的评价是有高低的，由高到低分别介绍如下。的评价是有高低的，由高到低分别介绍如下。n n1.自然实验法自然实验法n n所谓自然实验，就是发生了某些外部突发事件，使得研究所谓自然实验，就是发生了某些外部突发事件，使得研究对象仿佛被随机分成了实验组或控制

9、组。对象仿佛被随机分成了实验组或控制组。n n这是我最喜欢的方法，只是自然实验需要寻找一个事件，这是我最喜欢的方法，只是自然实验需要寻找一个事件，并且这个事件只影响解释变量而不影响被解释变量。遇着并且这个事件只影响解释变量而不影响被解释变量。遇着这种事件是一种缘分，还要能识别出来，这对学者的眼光这种事件是一种缘分，还要能识别出来，这对学者的眼光也是一种挑战。也是一种挑战。n n有很多文章声称使用了自然实验，但严格来讲，并没有做有很多文章声称使用了自然实验，但严格来讲，并没有做到对研究对象进行了随机分组。虽然如此，我对此类文章到对研究对象进行了随机分组。虽然如此，我对此类文章仍然很是喜欢。仍然很

10、是喜欢。n nn n自然实验包括的要素有自然实验包括的要素有:一个政策措施一个政策措施(treatment),(treatment),一个观察到的结果一个观察到的结果(outeomeouteome),),一个对照组一个对照组(contorlgoruPcontorlgoruP)。在评估。在评估“政策措施政策措施”对对“结果结果”是否发挥作用时是否发挥作用时,对照组充当一个参照系。而一个对照组充当一个参照系。而一个“准自然实验准自然实验”和自然实验的区别在于处理组和和自然实验的区别在于处理组和对照组的选取是否随机。对照组的选取是否随机。n n这里的这里的“结果结果”是以受政策影响的县和没有受政是以

11、受政策影响的县和没有受政策影响的县之间在增长速度上的差异来衡量。策影响的县之间在增长速度上的差异来衡量。n n简单连接改革措施和被直管县绩效的做法并不恰简单连接改革措施和被直管县绩效的做法并不恰当。这样的做法无法排除其他政策或是整体经济当。这样的做法无法排除其他政策或是整体经济的影响的影响,因而是无法衡量改革真实效果的。因而是无法衡量改革真实效果的。172.双重差分法双重差分法n nDifference-in-DifferenceDifference-in-Difference（DIDDID）一般称为双重差分一般称为双重差分法，或倍差法。倘若出现了一次外部冲击，这次冲击影响法，或倍差法。倘若出

12、现了一次外部冲击，这次冲击影响了一部分样本，对另一部分样本则无影响，而我们想看一了一部分样本，对另一部分样本则无影响，而我们想看一下这次外部冲击到底有何影响，双重差分法就是用来研究下这次外部冲击到底有何影响，双重差分法就是用来研究这次冲击的净效应的。这次冲击的净效应的。n n其基本思想是，将受冲击的样本视作实验组，再按照一定其基本思想是，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。后做差，做差剩下来的便是这次冲击的净效应。n n双重差分法实际上是固定效应的一个变

13、种，差分的过程实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。际上是排除固定效应的过程。ZERAZERA在在计量论文写作和计量论文写作和计量论文写作和计量论文写作和发表的黑客教程发表的黑客教程发表的黑客教程发表的黑客教程有一个非常简明风趣的举例，我转述于有一个非常简明风趣的举例，我转述于此，以飨读者。此，以飨读者。19Differenceindifferencemodelsn nMaybethemostpopularidentificationstrategyinappliedworktodayn nAttemptstomimicrandomassignmentw

14、ithtreatmentand“comparison”samplen nApplicationoftwo-wayfixedeffectsmodel20Problemsetupn nCross-sectionalandtimeseriesdatan nOnegroupistreatedwithinterventionn nHavepre-postdataforgroupreceivinginterventionn nCanexaminetime-serieschangesbut,unsurehowmuchofthechangeisduetosecularchanges21Differencein

15、differencemodelsn nBasictwo-wayfixedeffectsmodeln nCrosssectionandtimefixedeffectsCrosssectionandtimefixedeffectsn nUsetimeseriesofuntreatedgrouptoestablishwhatwouldhaveoccurredintheabsenceoftheinterventionn nKeyconcept:cancontrolforthefactthattheinterventionismorelikelyinsometypesofstates22Threedif

16、ferentpresentationsn nTabularn nGraphicaln nRegressionequation23DifferenceinDifferenceBeforeBeforeChangeChangeAfterAfterChangeChangeDifferenceDifferenceGroup 1Group 1(Treat)(Treat)Y Yt1t1Y Yt2t2 Y Yt t=Y=Yt2t2-Y-Yt1t1Group 2Group 2(Control)(Control)Y Yc1c1Y Yc2c2 Y Yc c=Y=Yc2c2-Y-Yc1c1DifferenceDifferenceY Y Y Yt t Y Yc c24timeYt1t2Yt1Yt2treatmentcontrolYc1Yc2Treatment effect=(Yt2-Yt1)(Yc2-Yc1)25KeyAssumptionn nControlgroupidentifiesthetimepathofoutcomesthatwouldhavehappenedintheabsenceofthetrea