请教代理变量与工具变量的区别

学习了，谢谢。

wxyrocky 发表于 2010-1-26 00:08
好像作用不同吧，工具变量是解决内生性问题的，而代理变量却不是

whudim 发表于 2014-1-7 09:12

解决内生性问题的原理是不一样的。工具变量，好比你模型设置好了，各个解释变量都到位了，发现你想研究的一个解释变量存在内生性问题，比如文化一般在模型中都存在内生问题，所以你要找个变量来替代他，即工具变量（满足两个条件，上述提及到）；然而代理变量解决内生性问题，是你模型缺少一个关键变量，所以模型不是理论完整的，需要找一个新的解释变量，即所谓代理变量，来完美模型。这个代理变量，当然要满足与误差项无关且与其他解释变量无关等特性，也就是说你要重新整模型。一点白话陋见，希望抛砖引玉吧。

谢谢分享

这两个是两个不同的概念了吧。proxy variable是指你在研究一个问题，有一系列的解释变量，但是其中有一个是不能够度量的（比如说这个概念太抽象了），在伍德里奇的书里面好像是talent还是什么的，你不能够用一个数字来度量这个东西，于是就用IO来替代talent做回归。
而工具变量，是你研究问题的所有解释变量都是可以度量的，但是可能存在比较严重的内生性的问题，于是需要找一个与X相关又与U不像个的变量来做回归，解决内生性的问题。举一个例例子，Aghion, Philippe, John Van Reenen, and Luigi Zingales. 2013. Innovation and Institutional Ownership。想要研究机构持有股份多少对于创新的影响，就存在一个很严重的内生性问题，可能是机构投资者选择持有那些有创新潜力的股票，这样一来得到的回归结果就不一定是机构投资者监管带来的结果，selection带来的结果。Aghion用S&P500作为工具变量，因为是否纳入s&p500不是因为是否具有创新的潜质，但进入了sp500的企业会明显得到更多机构的持股。这样工具变量就与X相关但与Y不相关了。
我觉得考虑工具变量可以的时候可以尝试考虑一下完全外生的解释变量。比如managerial entrenchment，一个关于制度的改变就会影响到X，但完全与U无关。

wxyrocky 发表于 2010-1-26 00:08
好像作用不同吧，工具变量是解决内生性问题的，而代理变量却不是

代理变量也是解决内生性问题，是由于遗漏变量造成误差项中含有和自变量相关因素导致系数估计有偏。

peng369337096 发表于 2014-11-24 11:59
这两个是两个不同的概念了吧。proxy variable是指你在研究一个问题，有一系列的解释变量，但是其中有一个是 ...

多谢举例！前面有几位的解释应该有道理，但果然还是看到具体的实例比较有懂的感觉~~

随机解释变量问题主要表现于：用滞后被解释变量作为模型的解释变量的情况。出现这种情况时就用IV。
如果是出现某变量无法量化度量或者数据缺失但该变量对回归有很重要的时候就用proxy variable。

正在学习中

https://bbs.pinggu.org/thread-4627533-1-1.html
这个回答的最全面，按我的理解来说 就是代理变量要和u高度相关，相当于u中包含了我们要代理的变量，但是u来说与其他x越小越好，不然会出现高度线性相关，这样就很傻逼了。