请问可以用因变量滞后一期或者两期来解决内生性吗

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

问题一：请问可以用因变量滞后一期或者两期来解决内生性吗，看到的论文多是用自变量的滞后期数，但本人用自变量滞后做出来结果不显著，用因变量滞后结果显著，如果可以用因变量滞后解决内生性，请问有相关的文献可以参考码，论文中需要解释。
问题二：用滞后项做内生性是用滞后项去替代无滞后的变量进行回归的分析，还是将滞后项作为工具变量呢？
小白一个，请各位大神不吝赐教

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

分享0 收藏2 回帖

关键词：内生性 因变量 滞后期数 工具变量 滞后项

可以的，没问题

这个需要具体问题具体分析，但一般不建议这样做。首先你要弄清楚哪些因素导致了内生性，是unobserved confounding factors 还是 reverse causality 或是 selection bias 或其他。导致内生性的因素可能不止一个，要把所有可能的情形都列出，然后逐个分析。比如说，如果导致内生性的观测不到的变量不随时间变化，那么只用panel data regression with individual fixed effects就可以；然而使用滞后自变量无法解决内生性的问题。更不推荐使用滞后因变量，因为很有可能有其他观测不到的变量同时影响因变量和滞后因变量从而导致新的内生性。但更多地情况是导致内生性的因素同样也随时间变化，更复杂也更难解决。总的解决思路是首先直接引入外生的控制变量，如果还是不行，可以考虑 IV，RDD，Matching，DID 等。但这些方法同样依赖非常严格的假设。
最后，结果不显著可能有多种原因，如model misspecification，heterogeneity effect等。另外，不显著的结果也是一种结果。