第6章内生性和工具变量估计方法-第6章

第6章内生性和工具变量估计方法-第6章内容摘要：

 11110lZu 0),(Co v uZ llX 0),(Co v ll XZlZ lX rl ,1  工具变量估计法 多元线性回归模型 同一元情形一样，总体矩条件： 类比原则得样本矩条件，可解得参数估计。 uXXXXY kkrrrr     11110krmXXYXuXuXrlXXYZuZuZkkmmmkklll,1,0)](E[)(E),(C ov,1,0)](E[)(E),(C ov110110 工具变量估计法 多元线性回归模型 结论 4：工具变量估计的性质 （ 1） （ 2） 其中 为 的方差，。 uXXXXY kkrrrr     11110j IVpj IV   ˆ),0(~)ˆ( 2ˆ)( j I VNn aj I Vj I V  2ˆjIV jIVˆkj ,1,0  工具变量估计法 多元线性回归模型 例子 在职男性工资 由于能力变量的缺失，导致经验和教育都具内生性，因此 Kling用 居住地附近是否有四年制大学（虚拟变量） 作为 的 工具变量，以年龄和年龄的平方 作为 和 的 工具变量   Xe d ue x p e re x p e rw a g e 32210)lo g (eduexper 2exper 工具变量估计法 EViews操作 例子 已婚 女性小时工资（续 ） 暂时只考虑 的内生性，用 作其工具变量。 EViews实现步骤： 建立工作文件，组（ group）打开相关变量， 在数据表格界面点击 Proc→Make Equation进入模型设定对话框并依次输入因变量和 自变量，点击 Estimation settings下拉菜单中的 TSLSTwoStage Least Squares，在弹出对话框中输入工具变量 ue d ue x p e re x p e rw a g e  32210)lo g ( edu m othedu 工具变量估计法 EViews操作 例子 已婚 女性小时工资（续 ） ue d ue x p e re x p e rw a g e  32210)lo g (  工具变量估计法 EViews操作 例子 已婚 女性小时工资（续 ） 点击选择按钮 （ Options） 对参数估计协方差矩阵的估计方法进行选择，本例采用的是横截面数据，因此采用怀特异方差一致的协方差矩阵估计。 ue d ue x p e re x p e rw a g e  32210)lo g (  工具变量估计方法 两阶段最小二乘法： TSLS 两阶段最小二乘法： TSLS 一个内生自变量 为内生变量， 和 为外生变量 ， 、 为 的工具变量。 两阶段最小二乘步骤： 第一阶段（ first stage）：以内生变量为因变量，所有外生变量为自变量做回归 得拟合值 uXXXY  3322110 1X 2X 3X 1Z 2Z 1XvXXZZX  3423221101 3423221101 ˆˆˆˆˆˆ XXZZX  两阶段最小二乘法： TSLS 一个内生自变量 为内生变量， 和。