工具变量如何解决选择偏见?


11

我想知道工具变量如何解决回归中的选择偏差。

这是我正在尝试的示例:在“ 大多数无害计量经济学”中,作者讨论了与服役和晚年收入有关的IV回归。问题是,“服兵役会增加还是减少未来的收入?” 他们在越南战争的背景下调查了这个问题。我知道不能随机分配兵役,这是因果推理的问题。

为了解决这个问题,研究人员使用了征兵资格(如“您的征兵号码被称为”)作为实际服兵役的工具。这是有道理的:越南选秀大会随机分配了年轻的美国士兵入伍(从理论上讲,选秀者是否真的对我的问题有所帮助)。我们的其他IV条件似乎是可靠的:征兵资格和实际服兵役之间有着密切的正相关关系。

这是我的问题。似乎您会出现自我选择偏见:也许较富有的孩子可以退出越南服务,即使他们的选秀号码被打电话了。(如果实际并非如此,为我的问题,让我们假装)。如果这种自我选择在我们的样本中造成系统性偏见,那么我们的工具变量如何解决这一偏见?我们是否必须将推论范围缩小到“无法逃脱草案的人的类型?” 还是IV以某种方式挽救了我们推论的那一部分?如果有人能解释它是如何工作的,我将非常感谢。

Answers:


14

实际上,选择偏见的问题是使用工具的最初动机。这里的问题是随机抽签的彩票是否能解决这个问题。您完全正确地问:该工具的局限性是什么?如果确实有钱的孩子有更好的机会避免吃水,那么从绝对意义上来说,服务对以后收入的负面影响将被高估。

草案中还有其他方法,例如由于健康状况不佳。或者相反,在潜在的征兵者中知道,志愿服务而不是由彩票征兵可以带来更好的安置和服务条件。因此,彩票号码更容易被起草的人通常选择志愿服务。如果这种回避行为以您描述的方式破坏了随机化过程,那么我们的2SLS估算值仍将存在偏差。在这种情况下,将样本范围缩小到那些没有逃过草稿的人员不会对您有帮助,因为再次随机化处理实际上并不是随机的。
但是,如果不遵守规定的情况仍然是随机的或平均而言并不重要,则彩票号码仍可用作工具。在这种情况下,您的军事服务手段是意向性治疗(ITT,请参阅Angrist和Pischke的书中的相应章节)。因此,重要的一点是,如果由于任何原因导致不遵守规定,我们必须证明这不会使随机化无效。这台仪器就可以了,否则我们不能使用它。

ž一世d一世d一世d一世ž一世

Angrist(1990)执行了其中一些检查来解决您的担忧。尽管存在上述担忧,但事实证明,彩票草案似乎是一个坚实的工具。Berinsky(2010)提供了更多的随机检查,并提供了有关彩票历史的更多背景信息。


3
好答案!Phil Ochs的歌曲Draft Dodger Rag的合唱列出了避免选秀的可能机制。我一直以为检查这些东西会很有趣。
Dimitriy V. Masterov 2014年

谢谢!这使一切变得更加清晰。我也将阅读论文。
ConfusedEconometricsUndergrad 2014年
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.