内生性问题

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

求高手解答！
我是一个新手，最近要做一个实证，碍于自己计量的基础实在太差，所以想求教几个问题！
Q1：用截面数据分析会不会出现内生性问题？
Q2：如果存在内生性问题，那用联立方程组的方法可不可以消除模型内生性？
   举例：y=a+b x1+c x3+e
              x1=m+n y+f x4+k x5+u 这个联立方程模型中，假设y和x1存在内生性，设计这样一个联立方程组能不能用2SLS或者3SLS解决内生性啊（暂且不考虑模型的识别问题）？
Q3:如果截面数据分析存在内生性，可不可以用豪斯曼检验来检验？
Q4：如果可以用豪斯曼检验，怎么看是用随机效应还是固定效应


因为数据只能收集到截面数据，没法得到面板数据，所以不知道截面数据怎么弄，本人基础实在太差，希望高手能给予指导，小弟不甚感谢！！！！！！
跪求！！！！

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14 回帖

关键词：内生性问题 内生性 性问题 联立方程模型 联立方程组 截面数据 内生性

求高手解答！我要做实证，可是得不到面板数据，只有截面数据，纠结中。。。不知道能不能用啊

真的不会做啊，，只能精神支持楼主了，给楼主顶一下

内生性找IV，hausman检验你想用来干啥？

看 伍德里奇的  计量经济学导论-现代观点
介绍的很详细

Q1：肯定会遇到内生性问题，如重要变量被遗漏等。
Q2：联立方程只能解决联立性偏差带来的内生性问题，不能解决其他的内生性问题。
Q3：豪氏检验必需有一个好的工具变量，才能检验是否存在内生性问题。
Q4：要区分截面数据还是面板数据，面板数据是采用固定效应还是随机效应，可采用豪氏检验。
如果只是截面数据，看Q3

6# shortsale
非常感谢！
我的模型中的因变量和其中一个自变量之间可能存在相互影响的关系，这种关系是一种内生性关系吧？
用单一方程的话，结果可能会不准确，所以我设计了一个联系方程模型，来解决这种内生性关系。
开始，我想先检验一下这种内生关系（及方程的联系性），我想用豪斯曼TEST检验下：先将因变量和所有的外生变量做一个多元回归，再将残差值带入另一个方程，看残差值前的系数是不是显著为零，要是不是，就代表方程的联系性成立或者两个变量之间确实存在内生关系，我这个思路对吗？有什么不对的请多指教！

内生性这个问是确实是个难解决的问题，要找到合适的工具变量，并非易事。
内生性问题的解决工具变量估计工具变量：假定我们有一个可观测到的变量Z，它满足两个假定
(1)：Z与U不相关，即与Cov(Z，U)=0；
(2)：Z与X相关，即与Cov(Z，X)不等于0；
我们则称Z是X的工具变量（instrumental variable 简称IV）
举例：以双变量模型为例
Y=Q+WX+U；
其中X与U相关，因而OLS估计有偏，现在有X的工具变量Z，
于是有Cov(Z，Y)=Cov(Z，Q+WX+U)
=Cov(Z，WX)+Cov(Z，U)(Q为常数)
=WCov(Z，X)
所以有W=Cov(Z，Y)/Cov(Z，X)
工具变量的优劣(1)：Z与U不相关，即与Cov(Z，U)=0；
相关性越低，则越好
(2)：Z与X相关，即与Cov(Z，X)不等于0；
相关性越高，则越好
Z与U相关性低，Z与X相关性高，这样的工具变量被称为好工具变量，反之则称为劣工具变量。
好的工具变量的识别(1)：Z与U不相关，即与Cov(Z，U)=0；
由于U无法观察，因而难以用正式的工具进行测量，通常由经济理论来使人们相信。
(2)：Z与X相关，即与Cov(Z，X)不等于0；
将X对Z回归即可，看看X的系数是否显著异于零？
IV与OLS估计量的简单比较IV估计量：C1=Cov(Z，Y)/Cov(Z，X)
而OLS估计量是：C2=Cov(X，Y)/Cov(X，X)
(1)因此，Z=X时，两者将完全一致，换句话说，当X外生时，它可用做自身的IV，IV估计量便等同于OLS估计量。
(2)若Z与X不相关，Cov(Z，X)等于0，则IV法无法给出估计量。
IV与OLS的取舍（1）尽管当Z与U不相关，而Z与X存在着或正或负的相关时，IV是一致的，但当Z与X只是弱相关时IV估计值的标准误可能很大，Z与X之间的弱相关可能产生更加严重的后果：即使Z与U只是适度相关，IV估计的渐进偏误也可能很大。也即是说，当解释变量外生时，IV与OLS估计都是一致的，但IV估计不如OLS有效。
（2）所以，当内生性程度不严重或者好的工具变量找不到时，还不如用OLS。反之，当内生性程度严重时，就一定要想办法解决，否则，OLS估计就是不可接受的，当然，差的IV同样是不可接受的。
内生性检验基本思想：直接比较OLS和IV估计值，若所有变量都是外生的，则OLS和IV估计都是一致的，若明显不同，则我们就断定解释变量有内生性。
操作前提：首先找到一个外生变量用做工具变量。
一个问题：工具变量本身的外生性如果检测？

内生性的其它解决办法（1）代理变量：某变量无法直接观测，而用其它变量替代。
（2）前定变量：用变量的前一期或前几期数据。
（3）面板数据模型。

到底如何对待内生性问题（1）需要重点考虑的问题之一；
（2）最好的收集数据之前就加以考虑，尤其是准备获取一手数据的情况下。如果考虑？应用经济理论。

#8赞一个