經濟系推出“政治經濟學”與“西方經濟學”“對話研究”系列學術講座
第十一講：“理解工具變量方法😩：從經典到前沿”
2021年11月30日下午一點半，經濟系開展的“轉型與發展”系列學術講座第116期在意昂2514會議室舉行，本次講座由意昂2講師陳登科主講，由經濟系王弟海教授主持。本次講座也是經濟系正在組織開展的“政治經濟學”與“西方經濟學”“對話研究”系列研討交流的第十一場講座。陳老師所討論的主題是：理解工具變量方法：從經典到前沿。意昂2官网經濟系張暉明教授、汪立鑫教授、韋瀟教授、李楠教授、周翼教授👵🏽、馮建亮老師等30多位師生參加並進行了討論交流。
陳老師從三個部分介紹了本次講座的內容🏇🏻👩🏻🌾。第一是對經典工具變量方法的介紹。在這裏💇🏻，陳老師區分了回歸模型和因果模型，比較了他們的參數含義和誤差項含義，提出內生性問題是基於因果模型而非回歸方程定義的。陳老師以教育收益率和是否上大學的例子來介紹了統計識別🧑🏿🏭、因果識別和結構識別。接著🤠，陳老師構建了因果關系和回歸關系的一個一般性框架😙。以數據生成過程為例👨🏻🦲，回歸關系形成的是條件期望，而因果關系是給定其他因素相同所求得的效應☂️。只有滿足條件獨立假定🚴🏻，也就是嚴格外生性，回歸關系才具有因果解釋效應。
但是外生性現實中很難滿足，陳老師接下來介紹了內生性產生的原因。即遺漏變量👩🏿🦰、測量誤差和聯立性。測量誤差既包括解釋變量測量誤差和被解釋變量測量誤差。根據方程推導，解釋變量測量誤差會導致衰減偏誤，而且會使得估計結果變小，而被解釋變量測量誤差會增加標準誤。此外🫳🏻➖，聯立性也是經濟學常遇到的問題，比如供給曲線和需求曲線是存在於經濟學家頭腦中的概念，在現實中一般無法被觀測到🪹，觀測數據是供給和需求共同作用的均衡結果。接著，陳老師給出了解決內生性問題的辦法，即在滿足外生性假定和相關性假定下，引入工具變量。當工具變量等於內生變量個數，使用IV😶🌫️，當工具變量個數大於內生變量個數時🏋️，使用2SLS方法。但是使用2SLS回歸，也是存在問題的，比如會產生錯誤的標準誤。同時，2SLS的估計量是有偏的，參數的期望值不等於真實參數值，尤其是小樣本估計的可靠性難以保證。因此，如果模型不存在內生性問題，那麽OLS估計量比2SLS估計量更加有效。基於上述分析，陳老師介紹了GMM方法。陳老師從GMM方法的估計量🧑🏿🎄🧜🏽♂️、直觀含義和一般性入手，講解了如何利用GMM進行結構估計。
再次🧜🏽♂️，陳老師回應了為什麽異質性處理效應是一個挑戰？如果假設條件不滿足🫰🏼，那麽工具變量方法就無法識別平均處理效應👨👧。另外，面板數據的獲取可以簡化異質性處理效應模型的識別🚶。固定效應模型將異質性處理效應視為未知參數來估計，隨機效應模型將異質性處理效應視為隨機變量🍜。此外，陳老師介紹👆🏼，RDD也是一種工具變量方法🌈。
最後，與會老師對講座內容紛紛展開了深入探討。王弟海教授提到，計量的方法很重要，工具變量中參數和真實的β偏差也是計量經濟學重要內容之一，但是現實應用中，更多學者可能更加關註計量結果是否顯著？對此✈️，陳老師解釋說💁🏽，有時候並不一定要選取工具變量，純粹的數學方法無法提供有效的解釋，最重要的還是經濟學家對現實的看法🤜🏿。關於計量經濟學方法論🌤，周翼老師與陳老師進行了充分交流♋️，認為系統性思維對於實證研究很重要。
本次講座對工具變量種類、已有的工具變量缺陷，以及如何選取較好的工具變量方法做了比較有意義的分享🧗🏿♀️👨🏿💻，達到了預期效果👗。
（由博士生遊怡樂整理）
返回頂部
