全部版块 我的主页
论坛 经济学人 二区 学术道德监督
23323 39
2011-10-09
既然我们的计量模型不可能包含所有自变量,这势必使得一些变量包含于干扰项中,这是不是说几乎所有的模型都多少存在一些内生性问题?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2011-10-9 10:00:10
普遍存在内生性。
这是陆铭《说审稿》中的一段话:

对于耗费了经济学家大量精力的内生性问题,我想多说两句。我绝对认为克服内生性偏误是重要的,也是研究者应该努力去做的。不过,我的想法是,计量经济学方法和因果关系识别在理论上并无直接对应关系。计量的研究策略(包括实验方法、IV、regression discontinuity、propensity score matching、DID等等)都只是用来避免(或缓解)由遗漏变量或双向因果关系所产生的估计偏误的。在使用了这些方法之后,研究者所看到的相关性更接近因果关系,而其是否真是因果关系,仍然需要看理论逻辑。因此,我不认为运用OLS方法分析截面数据的研究就一定不好,事实上,只要研究策略得当(比如运用了实验或自然实验的方法),从而保证了核心解释变量的外生性,OLS恰恰是最好且有效的估计。一些顶级杂志的文章也常常在OLS的基础上,运用一些研究逻辑来排除某些作用机制,从而更好地接近因果推论。另外,一些开创性的研究往往是从看相关性起步的,此类研究的重要意义往往在于提出了具有创见的问题,当然,如果能够用更接近于因果分析的研究策略,则是锦上添花。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-10-9 10:58:04
谢谢!版主真是负责啊!敬佩!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-10-9 19:35:04
欢迎大家讨论,这是实证中常见的问题。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-10-10 19:15:32
        遗漏变量未必导致内生性问题,如果其与目标自变量无关。当(目标)自变量与干扰项相关时,即可能存在内生性问题。其包括三种情况(Wooldridge panelda text)
       1.双向因果关系
       2.遗漏变量
       3.自变量测量误差

















二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-10-10 19:20:52
      国外二流或之上刊物看重原创贡献,比较青睐新颖的工具变量。国内的刊物,你真弄了IV,编辑、审稿人还要质疑半天,也许他们觉得GMM才给力,嘿嘿!个人觉得使用(差分)滞后项作为IV是极没有想象力的做法,还不如不用。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

加微信,拉你入群
微信外可尝试点击本链接进入