当前课程知识点:教育定量研究方法(高级) > Weeks 13&14: HLM > HLM > 2.7 Method-of-moments IVE
Ok
那么对于工具惯量工具变量的估算有常用的有三种方法
一个是矩估计
一个是两阶段最小二乘法
还有一个是方程组的方式
Simultaneous
equations of modeling
那么这里面我们这门课主要是介绍矩估计里面的瓦尔德
估计和两阶段最小二乘法是最常用的
Sem我们用的非常少
就不介绍
Ok
那么我们来看怎么用矩估计
也就是说给定呢这个方程Yi等于β0加上β1*xI
加上residual
这个时候我们不是求y跟x的协方差
我们改成求 y跟z的协方差
同样把y的等式带过来
y等于上面这个式子,带过来
跟z求协方差。跟之前一样
β0是个常数项
它跟一个随机变量的协方差是等于0的
那么β1*xI跟z的协方差就可以写成β1乘以x和
z的协方差
剩下的就是residual
也就是说是残差跟 z的协方差
就写成这两部分了
那么同样也可以写成一个稍微简化一点的表达式
就是一样的
这个时候大家想到我们刚才已经提了一个新的假设
就是说 z跟这个residual是不是不相关
所以说z跟 residual的协方差是等于0的
这个就很重要
把假设给用上了
这时候我们就可以得出β1等于 y跟z的协方差除以
x跟z的协方差
就求完了
就这么简单
是吧
这个里面其实大家看是不是如果你要是把我们看一下这个
是这个是OLS的矩估计的方法
IOS里面是假设x跟残差是不相关的
那么我们得出来的是β是等于
X跟y的协方差除以x的方差
是不是
工具变量的矩估计得这个结果跟 OLS的矩估计的结果
我们只要把 z换成x它们就是一样的
是不是
这就是模拟变量起到的作用
所以说取估计就算完了
就是这么简单
当然了这个里面它其实所有的这些变量它都可以是向量和
矩阵
不见得是一个 scalar
那么当然我们这里简单就讨论
作为教学我们就讨论意愿的情况
比较好好描述
有问题随时提
好
下面我们讨论瓦尔德估计
瓦尔德是矩估计里面一种最简单的一种形式
它是什么形式
我们找到的工具变量恰好是一个二元变量
是个01变量
这个时候我们手算就能够算出,做加减乘除
我们就能够把β给算出来
特别适合教学的时候来使用
让大家有一个 first-hand
experience
那么我们来看
当工具变量是一个2元的变量的时候
z只能取1和0的这种情况给定
当然你可以自己去算了
你套协方差的公式是可以算出来的
包括我们上节课讲的这个原则就是条件期望再求期望
它等于期望本身你们是可以算出来的
这里我不去算了
Y跟z的协方差
它就等于 z等于1的时候
y的条件期望减去z等于0的时候
y的条件期望乘以p再乘以1-p p是z等于1的概率
因为z是一个01的变量
那么它就是取0和取1
它都是有一定概率的
那么协方差的计算公式
我们刚才已经推导过了
β1它是等于 y跟z的协方差除以x跟z的协方差
那么我们把协方差的计算公式带进去
β1就等于这个式子
也就是说分子就是我们求的这一个
分母也是一样的
把 y换成x就可以了
是不是
一样的算法
那么也就是说这4个值是很好观察的
因为z等于0跟z等于1就是两种情况
在这两种情况下
我们分别去求 x和y的均值
其实就是它的期望值
是不是
你说给定这4个点
我们就能够手算
就能够把β1给求出来
这就是β1的用工具变量的矩估计
-1.2 Why do we use regression 1
-1.3 Why do we use regression 2
-1.4 Conditional expectation function 1
-1.5 Conditional expectation function 2
-1.6 Classical assumption of OLS
-1.8 How to use matrix calculation to solve OLS
-1.11 FAQs of regression:practice
-1.12 FAQs of regression:discussion
-1.13 Maximum Likelihood Estimatio
-Basic Econometrics
-2.1 Classical assumptions of OLS
-2.2 Omitted variable bias and endogeneity
-Weeks 3&4 readings and workshop
-Instrumental Variable
-3.6 Threats to the validity of RCT
-3.17 Random-effecrt and Fiexed-effect model
-3.18 Statistic power analysis
-Weeks 5&6 readings and workshop
-Randomized Experiments - Class Size, Career Academies
-4.6 DID with multiple periods 1
-4.7 DID with multiple periods 2
-4.9 Synthetic control methods
-Week7&8 readings and workshop
-Natural experiment and DID
-5.10 Validity and assumption test 1
-5.11 Validity and assumption test 2
-Regression discontinuity
-6.1 Review of causal inference model
-Propensity Score Matching
-HLM