Novērtēšana ar instrumentālajiem mainīgajiem lielumiem (VI) 2021. gads

Instrumentālo mainīgo (VI) metodi izmanto, lai atrisinātu viena vai vairāku neatkarīgu mainīgo endogenitātes problēmu lineārā regresijā.

Endogenitātes parādīšanās mainīgajā norāda, ka šis mainīgais korelē ar kļūdas terminu. Citiem vārdiem sakot, mainīgais, kas ir saistīts ar citiem, ir izlaists. Mēs runājam par paskaidrojošiem mainīgajiem, kas parāda korelāciju ar kļūdas terminu. Vēl viena ļoti populāra metode endogenitātes problēmas risināšanai ir divpakāpju vismazāko kvadrātu aprēķinātājs (LS2E). VI galvenā funkcija ir atklāt paskaidrojošā mainīgā klātbūtni kļūdas termiņā.

Ievads jēdzienā

Mēs vēlamies izpētīt cenu svārstības slēpošanas caurlaides atkarībā no slīpumu skaita un slēpotāju izvairīšanās no riska, kas atspoguļojas apdrošināšanas kvalitātē. Abi paskaidrojošie mainīgie ir kvantitatīvi mainīgie.

Mēs pieņemam, ka mēs iekļaujam mainīgo apdrošināšana kļūdas termiņā (u), kā rezultātā:

Tad apdrošināšanas mainīgais kļūst par endogēnu skaidrojošo mainīgo, jo tas pieder pie kļūdas termina un tāpēc ir ar to saistīts. Tā kā mēs noņemam paskaidrojošo mainīgo, mēs noņemam arī tā regresoru, šajā gadījumā B₂.

Ja mēs būtu aprēķinājuši šo modeli ar parastajiem mazākajiem laukumiem (OLS), mēs būtu ieguvuši B un B₀ un B_k.

Mēs varam izmantot 1.A modeli, ja atrodam instrumentālo mainīgo (z) lai dziesmas izpildot:

• Cov (z, vai) = 0 => z nav korelē ar vai.

• Cov (z, dziesmas) ≠ 0 => z jā, tas ir saistīts ar dziesmas.

Šis instrumentālais mainīgais (z) ir eksogēns 1. modelim, un tāpēc tam nav daļējas ietekmes uz log (fortifits). Tomēr ir svarīgi izskaidrot dziesmu variācijas.

Hipotēzes kontrasts

Lai uzzinātu, vai instrumentālais mainīgais (z) statistiski korelē ar paskaidrojošo mainīgo (clues), mēs varam pārbaudīt nosacījumu Cov (z, clues) ≠ 0, ņemot vērā izlases izlases izlasi. Tam mums ir jāveic regresija starp dziesmas Jā z. Mēs izmantojam citu nomenklatūru, lai atšķirtu, kuri mainīgie tiek atgriezti.

Mēs interpretējam π₀ Jā π_k tāpat kā B₀ un B_k parastajās regresijās.

Mēs saprotam π₁ = Cov (z, dziesmas) / Var (z)

1. Hipotēzes definīcija

Šajā kontekstā mēs vēlamies pārbaudīt, vai to var noraidīt π₁ = 0 pietiekami mazā nozīmīguma līmenī (5%). Tāpēc, ja instrumentālais mainīgais (z) ir saistīts ar skaidrojošo mainīgo (norādēm) un lai varētu noraidīt H₀.

2. Kontrasta statistika

3. Noraidīšanas noteikums

Mēs nosakām nozīmīguma līmeni 5%. Tāpēc mūsu noraidīšanas noteikums balstīsies uz t | > 1,96.

• | t | > 1,96: mēs noraidām H₀. Tas ir, mēs noraidām nekādu korelāciju starp z un celiņiem.
• | t | <1,96: mums nav pietiekami daudz nozīmīgu pierādījumu, lai noraidītu H₀. Tas ir, mēs nenoraidām, ka starp z un celiņiem nav korelācijas.

4. Secinājums

Ja mēs to secinām π₁ = 0, statistiski instrumentālais mainīgais (z) nav labs tuvinājums endogēnam mainīgajam.