[赵西亮]厦门大学经济学院和王亚南经济研究院经济学教授、博士生导师赵西亮在线访谈

paulwong 发表于 2020-7-1 21:31
郁闷，我的提问被忽略了

不好意思，我以为我都回答了，你什么问题

赵老师好，请教2个问题：（1）面板数据固定效应回归时，在控制个体效应和时间效应的前提下，有研究同时控制行业、区域效应，请问会不会造成潜在的多重共线性问题？（2）测试变量X1为内生变量、对应工具变量为Z1，但右手变量同时含有X1*X2（假定X2为外生），我看到有帖子说，将工具变量选取为(Z1, Z1*X2)——如果实施2SLS，第一阶段难道以Z1*X2为左手变量吗？如果这样，汇报结果何以解释？感觉没有明显的经济含义。谢谢您拨冗指导。

赵老师您好，请问在回归分析中，多重共线的问题是否需要关注，特别是在中介效应分析中，中介变量很容易与被解释变量高度相关，看到很多文献对此问题没有进行分析而且有人主张说多重共线不一定是坏事，请问您怎么看待这个问题？

非常期待

XiliangZhao 发表于 2020-7-2 10:13
不好意思，我以为我都回答了，你什么问题

下一条即72楼的2个问题，期待赵老师指导，谢谢。

赵老师，您好，请问在时间序列分析中，有没有一种比较理论的方法来判断一个序列是否具有季节效应，而不只是单纯地通过图来观察？

XiliangZhao 发表于 2020-7-1 17:08
您好，我不知道你的初中级是什么水平，你想要的高级是什么水平？是做应用，比如实证分析，还是理论计量？ ...

谢谢，，

XiliangZhao 发表于 2020-7-1 17:16
科技进步一直都在，它使一部分职业消失，同时创造了很多新的职业，不用担心，it will work out.

谢谢老师

paulwong 发表于 2020-7-2 15:07
赵老师好，请教2个问题：（1）面板数据固定效应回归时，在控制个体效应和时间效应的前提下，有研究同时控制 ...

不好意思，漏掉你的问题。
(1)个体效应都控制了，行业效应应该是加不进去的，因为用FE方法时，进行demean的时候，不随时间变化的量都会demean掉，所以你若控制了个体效应，那不可能再控制行业固定效应的，区域效应也是一样。
(2)这是个好问题。我再把你的问题更具体化一些，结构模型为
               Y=b0 + b1X1 +  b2X2 + b3X1X2 + u
X1内生，X2外生，我们关心X1对Y的因果影响，Z是X1的工具，如何估计该模型？

根据结构模型，我们可以画出大概的因果图，X2是外生变量，它也是混杂因素，同时与X1相关，也同时影响Y，因为结构模型中有交互项，说明X1对Y的影响会随X2的不同而变化，或者说X1对Y的影响具有异质性，随X2的变化而变化，X2是一个调节变量或effect modifier。

这种情况下，我们主要关心X1对Y的影响，X2是分层变量。

所以，第一种最直观的方法，是根据X2进行分层，或着说，我们固定X2的值，假设X2为离散值，则我们可以根据X2分组，比如对于X2=x2的一组个体而言，结构方程现在为

Y = b0 + b1 X1 + b2x2 + b3X1x2 + u
   = (b0 + b2x2) + (b1 + b3x2)X1 + u
Z是X1的工具变量，因而，对于X2=x2的一组群体而言，我们可以用IV估计出X1对Y的因果影响。
得到的IV估计系数记为b(x2)=Cov(Y, Z)/Cov(X1, Z)，它表示的X2=x2的一组人，X1对Y的影响程度。

如果我们想的不是这一异质性影响，而是想要加总的影响，即根据X2的分布进行加权平均就好了，即
b_IV = \sum_{x2} b(x2)p(X2=x2)，x2若为连续则用积分。

这种处理是理解起来比较明确一些的，比较清晰的。但大家一般不这样做，大家其实是按你说的方法来做的。你说的方法也是具有一定的合理性的。

你说的方法是将X1和X1X2看作两个内生变量，将Z和ZX2看作是工具变量，那么，第一阶段有两个方程
           X1 = d0 + d1 Z + d2 X2 + d3 ZX2 + v1 (既然结构方程X1、X2有交互影响，那么X2和Z有交互影响也是合理的，当然你也可以假设没有，但实际上你用Stata的iv估计命令，就是相当于上面的简化式模型），另一个是
          X1X2 = c0 + c1 Z + c2 X2 + c3 ZX2 + v2

或者简单的写成 X1=\hat{X1}+\hat{v1}, X1X2 = \hat{X1X2}+\hat{v2}，下面我滥用一下符合，用x1表示\hat{X1}， v1直接表示回归残差\hat{v1}，x1x2表示\hat{X1X2}，v2直接也表示回归残差。

代入结构式，则有
Y = b0 + b1(x1+v1) + b2X2 + b3(x1x2 +v2) + u
   = b0 + b1x1 + b2X2 + b3x1x2 + (b1v1 + b3v2 + u)
根据线性回归性质(5.9)(参见MUSE第5章）， v1, v2与X2, Z, ZX2正交， 而x1, x1x2均可看作是X2, Z, ZX2的线性组合，它们是外生变量，从而独立于u，因而，现在上式中复合的误差项是与前面的解释变量正交的，因而OLS估计可以得到一致的估计。这样，你想要的结构系数b1, b2, b3都可以一致的估计出来，得到的X1对Y的因果影响就是b1+b3X2。

当然，在上面的估计中，第一阶段的第二个式子中，其实经济含义不好解释，事实上，在IV估计中，第一阶段并不要求有经济内涵，它反映的主要是相关性（有时是有经济解释的），因而没有经济含义一点关系都没有，IV关系的实际上就是第二阶段给出因果效应的解释。这也是为什么近年来有人利用机器学习的方法估计IV的第一阶段的原因，因为第一阶段实际上是一个预测问题，不涉及因果推断问题，预测的越好，越有利于第二阶段的因果效应估计。

希望上述解释能够回答你的问题。


      


  

广财金融学院 发表于 2020-7-3 13:20
赵老师，您好，请问在时间序列分析中，有没有一种比较理论的方法来判断一个序列是否具有季节效应，而不只是 ...

您好！我对季节效应没有研究，南开张晓桐老师是这方面的专家，你可以去请教他。我个人认为是否有季节性，与你使用的数据有关系，如果是季度数据或月度数据，一般肯定是有季节性的，年度的话一般是没有的，这与现实生活中的周期性有关系。一年有四季，每季人们的消费行为可能不同，一些产出，尤其农产品也有季节性。关于季节调整，理论上是由不少方法的。