李宏彬季刊的文章官二代比非官二代起薪高文章的小疑惑

raku8731 发表于 2012-10-15 15:43
这篇论文存在两个致命性的命题。
1.在理论上，无视不完全竞争市场下的工资决定机制，先验的假设父母及大学 ...

企业所有制是非常重要的，但根据MHE第47页“3.2.3 Bad Control” (Angrist and Pischke, 2009)关于bad control的讨论：一般在Mincer方程中只关注教育本身，不能控制如职业、所有制、行业等。（"bad controls are variables that are themselves outcome variables in the notional experiment at hand."）
实际上本文技术上的问题“可能”是：在控制了“能力”之后，依然有很重要的、不可观测的遗漏变量存在。这个遗漏变量“丰富多彩”，大家提供了很多可能的猜想。但如何解释和解决，需要进一步讨论。

夸克之一 发表于 2012-10-15 16:29
企业所有制是非常重要的，但根据MHE第47页“3.2.3 Bad Control” (Angrist and Pischke, 2009)关于bad co ...

这个是这样的，因为能力（比如教育水平）会影响职业、行业等，所以在考察能力对收入低的影响时，不能把职业、行业等会受能力影响的变量放入线性回归计量模型中，不然就会过低估计能力的效应。但事实上，所有制对工资的影响非常巨大，因此这样的逻辑反过来也说明用OLS是不合适的，应该采用其他的计量方法

再加一句，如果是竞争性劳动力市场，职业选择等也是完全是能力决定的，所以放入职业选择就是画蛇添足，所以是bad control。但我国的大学生劳动力市场并非竞争性劳动力市场，我要质疑的也就是基于完全竞争劳动力市场的计量模型无视我国大学生工资真正的决定机制，这在计量分析中是非常危险的，也是不可取的。

raku8731 发表于 2012-10-15 17:59
这个是这样的，因为能力（比如教育水平）会影响职业、行业等，所以在考察能力对收入低的影响时，不能把职 ...

对您前半段的解释没有异议，这是我们都接受的看法。

关于改变模型的问题，这要看作者到底想如何研究了。一个可能方向是使用control function approach来解决遗漏变量问题，这样是否控制能力也就不是“必须”的了。同时，考虑所有制，我同意，在OLS的前提下应该是不合适的。比较好的办法是使用logit或者probit看“官二代”是否更容易进入容易寻租的行业。关于寻租行业的问题（Hu and Yao, 2012 ）对于党员身份做了讨论，应该可以借鉴。如果能找到显著的证据（常识是，应存在这样的对应关系），那么遗漏变量问题就严重了。

小结：我的看法还是使用CF的办法，相对安全地解决遗漏变量——毕竟遗漏变量可以涵盖很多方面，一个人很难于考虑到所有的可能性。

我不清楚李宏彬、孟岭生为什么不采用匹配、IV等方法，虽然这些方法都不是完美的，但至少比OLS要好。
计量模型从结构模型——IV——倾向性的分法——自然实验——社会实验，显然结构模型是建立在理论基础上推导出来的，必须有理论依据。而越往后，模型的理论支撑要求就逐步降低，而更强调对于结论的理论解释

lightingstar 发表于 2012-10-15 10:58
我也插一句。
假设扰动项服从正态分布等经典的OLS假设得出的是BLUE性质的估计量，但现代计量中作正态分布 ...

BLUE不依赖正态假设，同方差就可以。

人大经济论坛越办越好了，要是人人都这样发言，那才叫学术争鸣呢？收获不少！

xwsky 发表于 2012-10-15 21:42
BLUE不依赖正态假设，同方差就可以。

谢谢，你说的对！
初级计量经济教材中那五条经典假设并不是必须的。

扰动项的分布只与估计系数的标准差有关。

raku8731 发表于 2012-10-15 17:20
我不清楚李宏彬、孟岭生为什么不采用匹配、IV等方法，虽然这些方法都不是完美的，但至少比OLS要好。
计量模 ...

个人感觉这些方法也不一定好。
自然实验咱们就别奢望了。
PSM好像就是一个大杂烩，不管什么变量，倒进锅里就是了。另外，在构建propensity score方程时，用什么变量来解释“是否官二代”？“官二代”是由父母的特征决定的，而不是由孩子内生决定的，想要很好解释这个，可能需要样本 爷爷奶奶的数据。即使这样，匹配的效应也可能会很差。
IV也面临这个问题。什么变量能影响父母当官，而又不影响孩子的收入（是否等同于不影响 父母对孩子能力的培养？）
control Function 也是要对 选择行为（‘是否官二代“）进行刻画。和上面问题类似。

感觉这与一般的估计教育回报面临的样本选择问题不太相同。此文中的样本选择是 样本的父母（或样本的祖父母）根据样本父母的特征作出 是否当官 的选择，因此选择变量与扰动项中（被遗漏的）样本能力因素的因果关系是单向的（选择变量影响 样本能力，但 选择与否 不是根据 样本的能力大小作出的）。

总体来看，方程控制了父母的特征（收入、教育水平等）就够了，不需要对 样本的能力 进行控制（如果父母仅仅是通过这些被控制的父母特征来影响样本的能力）。所以，后面的 高中成绩什么似乎不太重要。

但不知 作者 为什么不 控制 样本是否上211 大学，有实证表明 是否上211大学对 大学生的工资影响相当大。

感觉在可获得变量较少的情况下，OLS甚至要比PSM，IV， control Function（样本选择模型）更稳健，那些方法不一定好，操作起来还麻烦，当然看起来漂亮，可能文章好发些。

txsnowsea 发表于 2012-10-14 12:16
加上211变量以后，估计就没有办法复制这个结果了。 太多的实证文章经不起拷问。如果李老师能把文章发到AE ...

      可以控制下各地区一本录取比例