Answers:
我会对7篇Chernozhukov和Hansen IVQR的论文感兴趣。2005年的论文经常被引用。它们还提供指向MATLAB,OX和Stata中的数据和代码的链接。
该文献中另一篇经常被引用的论文是Abadie,Angrist和Imbens(2002)。
Frolich和Melly(2010)和Kwak(2010)也值得一试,尤其是使用Stata时。两者都提供代码。
即使这个问题已经有了公认的答案,我想我仍然可以为此做出贡献。Koenker(2005)的书确实不会让您走得太远,因为IV分位数回归的发展在那时开始回升。
早期的IV分位数回归技术包括Chesher(2003)的因果链框架,该框架在Ma和Koenker(2006)的加权平均偏差法(WAD)中得到了进一步发展。在本文中,他们还介绍了控制变量方法。Lee(2007)使用了类似的想法,他使用控制函数推导了IV分位数回归估计量。
所有这些估计器都使用了一个为识别所必需的假定三角误差结构。问题在于,这种三角形结构对于同时发生的内生性问题是难以置信的。例如,您不能将这些估计器用于供需估计问题。
Dimitriy V. Masterov提到的Abadie,Angrist和Imbens(2002)的估计量假设您同时具有二元内生变量和二元工具。通常,这是一个非常严格的框架,但是它将LATE方法从线性回归IV扩展到了分位数回归。这很好,因为许多研究人员(尤其是经济学家)熟悉LATE概念和所得系数的解释。
Chernozhukov和Hansen(2005)的开创性论文真正开始了这一文学,这两个家伙在这一领域做了很多工作。IV分位数回归估计器(IVQR)在分位数上下文中提供了与2SLS估计器的自然链接。正如Dimitriy所指出的那样,他们的估算器是通过Matlab或Ox实现的,但是您会忘记Kwak(2010)的论文。本文从未发表到Stata期刊上,而且他的代码无法正常运行。我认为他放弃了这个项目。
相反,您应该考虑Kaplan和Sun(2012)的平滑估计方程IVQR(SEE-IVQR)估计器。这是最新的估算器,它在计算速度(避免繁琐的网格搜索算法)和均方误差方面比原始IVQR估算器有所改进。Matlab代码在这里可用。
Frölich和Melly(2010)的论文很好,因为它考虑了条件分位数回归与无条件分位数回归之间的差异。通常,分位数回归的问题在于,一旦在回归中包含协变量,解释就会改变。在OLS中,您始终可以通过迭代期望定律从有条件期望到无条件期望,但是对于分位数,则不可用。Firpo(2007)和Firpo等人首先展示了这个问题。(2009年)。为了使条件分位数回归系数边缘化,他使用了重新居中的影响函数,以便可以将其解释为通常的OLS系数。就您的目的而言,此估算器无济于事,因为它仅允许外生变量。如果您有兴趣,Nicole Fortin可以在她的网站上提供Stata代码。
我所知道的最新的无条件IV分位数回归估算器是Powell(2013)提出的。他的广义(IV)分位数回归估计器使您可以估计存在内生性的边际分位数处理效果。他还在RAND网站上的某个地方也提供了他的Stata代码,但是我暂时找不到。自从您问了这个问题:在较早的论文中,他已在面板数据上下文中实现了此估算器(请参阅Powell,2012年)。此估算器很棒,因为与所有先前的面板数据QR方法不同,该估算器不依赖大的T渐近线(您通常没有,至少在微计量经济学数据中没有)。
最后但并非最不重要的一点是,一个更加奇特的变体:由Chernozhukov等人检查的IVQR估计量(CQIV)。(2011年)允许照顾审查数据-顾名思义。它是Chernozhukov和Hong(2003)对论文的扩展,我不予链接,因为它不是针对IV上下文的。此估算器的计算量很大,但是如果您检查了数据并且没有其他处理方法,这就是可行的方法。阿曼达·科瓦尔斯基(Amanda Kowalski)已在她的网站上发布了Stata代码,也可以从RePEc下载。此估计量(顺便说一下,还有IVQR和SEE-IVQR)假定您具有连续的内生变量。我在收入回归的背景下使用了这些估计量,其中教育是我的内生变量,取值介于18到20之间,因此不是完全连续的。但是在模拟练习中,我总是可以证明这不是问题。但是,这可能取决于应用程序,因此,如果您决定使用此功能,请仔细检查。
新版《分位数回归手册》就这些主题有两章非常出色: