2SLS 第一阶段较弱

机器算法验证 工具变量 2sls
2022-04-06 15:43:27

我有一个带有一维变量的简单 IV 模型:

  • N=αz+βzZ+ϵz
  • S=αs+βsN+ϵs

N是整数,而是虚拟的。S

Z是独立于的构造,它是系统中检测到的随机、连续因子。我验证相关:(它对系统的唯一影响是通过)。的方差以满足实际考虑。NSZNρ(Z,N)=.01NZ

我首先使用并发现然后使用我回归并发现(与的 OLS 偏差估计相比)。十分之几个百分点的影响与我的申请有关。NZβz^=.28N^Sβs^=.0045.0006

但是,我担心由于的影响有限,我的第一阶段可能太弱了。第一阶段的,我怀疑它太小了。ZR2.00036

那么是否有任何检查可以用来限定我的第一阶段的弱点?我读过提到统计量,但我不知道在实践中该怎么做。F

2个回答

要测试弱工具,您将通过 F 检验测试工具系数的联合显着性。典型的经验法则是大于 10 的 F 统计量很好(参见Stock and Yogo,2002 年),但是,这不是一个定理,如果您的检验统计量接近 10,人们可能仍会为难您.

如果您只有一个仪器,则此 F 统计量相当于您的仪器在第一阶段的系数的 t 统计量的平方。

如果您发现您的工具很弱,即如果您的 F 统计量小于 10(或接近它),那么您可以使用对这个弱工具问题更稳健的替代估计器。此类估计器之一是有限信息最大似然 (LIML),它在大多数可用统计软件的预装包中编程。

由于您只有一种仪器和一种治疗方法,因此您可以通过反转 AR 检验来使用 Anderson-Rubin (AR) 置信区间。

AR 测试在此设置中始终是最强大的无偏见的,并且无论仪器的强度如何,它都具有正确的覆盖率。这篇评论可能有用。

这个和其他“弱工具鲁棒”方法在ivmodelR 包中实现。