一个计量问题

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

When  faced  with  the  prospect  of  omitted  variables  bias  (or  unobserved heterogeneity) ,  we  have  so  far  discussed  three  options:  (1)we  can  ignore  the  problem and  suffer  the  consequences  of  biased  and  inconsistent  estimators;  (2)   we  can  try  to find and use a suitable proxy variable for the unobserved variable; or (3)  we can assume
that  the  omitted  variable  does  not  change  over  time  and  use  the  fix ed  effects  or  first differencing methods from Chapters 13  and 14. The first response can be satisfactory  if the  estimates  are  coupled  with  the  direction  of  the  biases  for  the  key  parameters.  For
example,  if  we  can  say  that  the  estimator  of  a  positive  parameter ,  say ,  the  effect  of  job
training  on  subsequent  wages,  is  biased  toward  zero  and  we  have  found  a  statistically
significant positive estimate, we have still learned something: job training has a positive
effect  on  wages,  and  it  is  likely  that  we  have  underestimated  the  effect.  Unfortunately ,
the  opposite  case,  where  our  estimates  may  be  too  large  in  magnitude,  often  occurs,
which makes it very difficult for us to draw any useful conclusions.

有人能解释一下那个例子么，就是for example那段，麻烦请问we  have  found  a  statistically
significant positive estimate 这个要怎么得到？
Unfortunately ,
the  opposite  case,  where  our  estimates  may  be  too  large  in  magnitude,  often  occurs,
which makes it very difficult for us to draw any useful conclusions.是为什么？谢谢！

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0 回帖

关键词：计量问题 differencing Consequences significant conclusions methods problem change

本人粗浅理解，不喜勿喷：
1. 整段英文意思：
当我们面对的不可观测变量（潜变量）具有不确定性时，有三种做法：第一、忽视这个问题，接受带有偏差的不稳定估计值；第二、尝试找出一个合适的近似变量来代替该不可测变量；第三、也可以假设该不可测变量不随时间变化，然后用第13和14章提到的方法来处理。
      当正参数的预测值带有趋向于0的偏差、同时又可以找到一个统计上显著的正的预测值，那么此时上述第一种做法是可以接受的。例如，要估计工作培训对以后工资的影响，我们得到的参数可能是非常接近于0的正值，但是我们知道工作培训有助于人们取得更高的工资，这就说明培训与工资间的参数是个大于0的正值，而我们的估计值是非常接近于0的正数，这说明我们估计的参数偏小。这时虽然我们的估计有偏差且估计值偏向于0，但是我们的估计结果仍然是可以接受的，只不过是低估了培训对工资的积极作用。因此，我们可以得出结论：根据数据分析可知，培训有助于人民呢获得更高的工资，并且其作用要大于我们的预测水平。
      然而如果出现相反的情况，即我们的估计值不是偏小而是偏大，并且大了不止一个数量级，那么我们就很难下结论，而且此时下结论也是不明智的。
2.如何得到：
      没有看这本书，总而言之无非就是统计上那些参数估计、统计回归方法。
3. 估计结果太大而很难下结论原因：
      仍然以培训对工资作用为例，如果分析得到的预测结果是培训对工资的效应系数是10000，即增加一次培训工资可以提高10000元，这明显不合理。虽然你的预测统计上显著，但是你没法下结论。