2SLS与二元内生变量的一致性


10

我已经读到2SLS估计器即使与二进制内生变量(http://www.stata.com/statalist/archive/2004-07/msg00699.html)仍然保持一致。在第一阶段,将运行概率处理模型,而不是线性模型。

有没有正式的证据表明即使第一阶段是概率模型或对数模型,2SLS仍然是一致的?

如果结果也是二进制,该怎么办?我知道如果我们有二进制结果和二进制内生变量(第一和第二阶段都是二进制概率/逻辑模型),则模仿2SLS方法将产生不一致的估计。是否有任何正式的证据?Wooldridge的计量经济学书进行了一些讨论,但我认为没有严格的证据来证明这种不一致。

data sim;
     do i=1 to 500000;
        iv=rand("normal",0,1);
             x2=rand("normal",0,1);
        x3=rand("normal",0,1);
        lp=0.5+0.8*iv+0.5*x2-0.2*x3;
        T=rand("bernoulli",exp(lp)/(1+exp(lp)));
        Y=-0.8+1.2*T-1.3*x2-0.8*x3+rand("normal",0,1);
        output;
     end;
     run;

****1st stage: logit model ****;
****get predicted values   ****;         
proc logistic data=sim descending;
     model T=IV;
     output out=pred1 pred=p;
     run;

****2nd stage: ols model with predicted values****;
proc reg data=pred1;
     model y=p;
     run;

的系数p = 1.19984。我只运行一个模拟,但是样本量很大。


您是否不需要在模型语句中添加link = probit
Mike Hunter

Answers:


10

关于概率第一阶段和OLS第二阶段也存在类似的问题。在答案中,我提供了指向注释的链接,这些注释包含对此回归的不一致性的正式证明,这被正式称为“禁止回归”,如杰里·豪斯曼(Jerry Hausman)所称。概率第一阶段/ OLS第二阶段方法不一致的主要原因是,期望运算符和线性投影运算符均未通过非线性第一阶段。因此,在非常严格的假设(几乎在实践中几乎不成立)下,第一阶段概率的拟合值仅与第二阶段误差项不相关。但是请注意,如果我没记错的话,禁止回归的不一致的形式证明非常详尽。

ÿ一世=α+βX一世+ϵ一世
ÿ一世X一世
X一世=一个+ž一世π+η一世
X^一世X一世X一世


ÿ一世

要对此进行更详细的讨论,请查看Kit Baum 关于该主题的出色讲义。他在幻灯片7中讨论了2SLS上下文中线性概率模型的使用。

最后,如果您确实想使用概率,因为您想要更有效的估计,那么Wooldridge(2010)“横截面和面板数据的计量分析”中也提到了另一种方法。上面链接的答案包括它,为完整起见,在此重复。作为应用示例,请参见Adams等。(2009)使用三步过程进行如下操作:

  1. 使用概率回归工具上的内生变量和外生变量
  2. 将OLS第一步中前一步的预测值与外生变量(但无工具变量)一起使用
  3. 照常做第二阶段

此过程不属于禁止回归问题,但可能会更有效地估计您感兴趣的参数。


嗨,安迪,感谢您的回复。您是否建议“概率第一阶段/ OLS第二阶段方法不一致”?那不是我在链接中看到的内容。据说Probit第一阶段/ OLS第二阶段方法是一致的。
文森特

那不是Statalist帖子所说的。如果您在文档中查看treatreg命令(现在称为etregress)的“方法和公式”部分,您将看到两步估算器不是带有Probit第一阶段/ OLS第二阶段的2SLS。取而代之的是,首先使用概率来获得风险比,然后将其用于OLS回归以获得一致的估计。
安迪

谢谢,安迪。越来越有趣了。在第一阶段,它看起来像与Probit模型的2SLS不被接受。由于种种原因,我将通读“禁止回归”。顺便说一句,我尝试了使用SAS进行的模拟,结果对于Probit 1st / ols 2nd的2SLS来说看起来不错。
文森特2014年

我正在主要问题中发布代码,很想听听您的意见。谢谢!
文森特
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.