Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS

Relaterede dokumenter
Kvantitative metoder 2

Økonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model)

Betænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj)

Induktionsbevis og sum af række side 1/7

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Økonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)?

Elementær Matematik. Sandsynlighedsregning

Økonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1

Økonometri 1. Lineær sandsynlighedsmodel (Wooldridge 8.5). Dagens program: Heteroskedasticitet 30. oktober 2006

IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON

x-klasserne Gammel Hellerup Gymnasium

FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( )

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005

Bilag 6: Økonometriske

FACITLISTE TIL KOMPLEKSE TAL

Ugeseddel 8. Gruppearbejde:

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test

Lineære Normale Modeller

Analyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians:

Lineær regressionsanalyse8

Økonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1

Kvantitative metoder 2

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2

Kvantitative metoder 2

! Variansen på OLS estimatoren. ! Multikollinaritet. ! Variansen i misspecificerede modeller. ! Estimat af variansen på fejlleddet

Binomialfordelingen. Erik Vestergaard

Finanskalkulationer Side 1/19 Steen Toft Jørgensen. Finanskalkulationer. avanceret rentesregning. matematiske modeller i økonomi

Motivation. En tegning

Morten Frydenberg Biostatistik version dato:

6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag

1.0 FORSIKRINGSFORMER

Regressionsanalyse. Epidemiologi og Biostatistik. 1.Simpel lineær regression (Kapitel 11) systolisk blodtryk og alder

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Udvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol

Økonometri 1. Dagens program. Den multiple regressionsmodel 18. september 2006

Økonometri 1. Inferens i den lineære regressionsmodel 2. oktober Økonometri 1: F8 1

Transkript:

y = cy ( c 0 ) Pla for IV geemgag Økoometr Istrumetvarabelestmato 6. ovember 004 F9: Hvad er IV estmato: Bvarat model, et strumet: Kap.5. + afst -4 ote. F0: IV estmato det multple tlfælde (eksakt detfceret): Kap. 5. og afst 4 ote. IV estmato det multple tlfælde (overdetfceret): Kap. 5.3 og afst 5 ote. F: Kap. 5.3-4, afst 5-7 ote. SLS (two-stage least squares) estmato. Iferes IV estmato F: Kap. 5.5-6, afst 8 ote Test for exogetet og overdetfkato Eksempel Økoometr : Istrumetvarabelestmato Økoometr : Istrumetvarabelestmato Exogetetsatagelse for OLS Exogetetsatagelse Smpel leær regressosmodel: y = β + β x + u 0 Hdtl: MLR.3: Eux ( )=0 cov( u, x) = 0 (Exogetet) Nu: Edogee forklarede varabler: Stokastske varabler, der er korrelerede med fejlleddet. OLS er kke kosstet. Har allerede set på årsager tl at e varabel ka være edoge: - udeladte varable (kaptel 3 og 5) - forkert fuktoel form (kaptel 9) - målefejl (kaptel 9) Ofte fortolkes regressosmodelle ud fra e kausal sammehæg. Ka v estmere modelle med OLS, opå estmatet ˆ β, og så slutte at e gve ædrg x vl forårsage e ædrg y, alt adet lge? Og at ˆ β er et "godt bud" på de ædrg? Ikke altd. Økoometr : Istrumetvarabelestmato 3 Økoometr : Istrumetvarabelestmato 4

Exogetet: Korrelato er kke kausaltet Exogetetsatagelse ˆ β 0 udtrykker e korrelato, me debærer kke ødvedgvs kausaltet: Tlfældgheder: Derfor bruger v statstk! x forårsager y, y forårsager kke x: ˆ β 0 er udtryk for kausal relato. Ex. y vokse kvdes højde, x hedes mors højde. y forårsager x, x forårsager kke y: Ex. x vokse kvdes højde, y er hedes mors højde. OLS fder postv korrelato. Omvedt kausaltet! y forårsager x, x forårsager y: Ex. prs og mægde på et fuldkomme kokurrece marked. Ka kke lave alt adet lge betragtg. y og x forårsaget af e trede varabel, w: Ex. lægde på e persos højre og vestre be. I ote deferes exogetet på følgede måde: plm xu 0 = = Hvs betgelse holder, sges x at være exoge. Hvs de kke holder, er x e edoge regressor. Økoometr : Istrumetvarabelestmato 5 Økoometr : Istrumetvarabelestmato 6 Ex. Lølgge Istrumetvarabler () Opstller regressosmodel tl forklarg af lø for tlfældgt udvalgte lømodtagere. Ikluderer relevate og potetelt observerbare faktorer vektor af forklarede varabler x : kø, alder, uddaelse, brache, erfarg, Uobserverbar heterogetet: eve, tellges, arbejdsver Øsker at estmere afkastet af uddaelse. Me: Uddaelseslægde er korreleret med eve og eve har rmelgvs e drekte effekt på løe. Tredje faktor forårsager både lø og uddaelse. Ka v bruge OLS estmatet af koeffcete tl uddaelse lølgge tl oget? I hvlke retg forveter v bas? w Smpel regressosmodel: y = β0 + βx + u Ex. Lølgge y = log w, x = educ Uobserverbar heterogetet form af ever : Postv effekt på lø og (postvt) korreleret med uddaelse. OLS er kosstet: cov( x, u ) 0 IV løsg: Fd strumetvarabel som opfylder to betgelser:. cov( z, u ) = 0. cov( z, x ) 0 Udfordrge er at fde gode strumeter: Økoomsk teor spller de afgørede rolle her. z Økoometr : Istrumetvarabelestmato 7 Økoometr : Istrumetvarabelestmato 8

Istrumetvarabler () Lølgge: Overvej ogle mulge strumeter De to betgelser for e gyldg strumetvarabel har forskellg status: Betgelse : cov( z, u ) = 0 Istrumetvarable er ukorreleret med de uobserverbare faktorer Lø-eksemplet: Istrumetet skal være ukorreleret med ever. Afhæger sdste ede altd af e teoretsk baseret atagelse. Betgelse : cov( z, x) 0 Istrumetvarable skal være korreleret med de edogee forklarede varabel. Testbar atagelse på grudlag af data på z og x: Sgfkat regressoskoeffcet regresso af x på z. u Sdste cffer persoummer: US: Tlfældgt dvs. ukorreleret med ever, me kke korreleret med uddaelse. DK: Hvad ka v sge om cpr. ummeret? IQ-score: Proxy-varabel for ever kap. 9. Korreleret med ever : Ikke godt for strumetvarabel! Famlebaggrudsvarabler: Moderes uddaelse: Betgelse OK; betgelse :?? Korreleret med børs ever, måske va geetk og eve for spædbørspleje. Atal søskede: Negatvt korreleret med lægde af uddaelse (betgelse er OK (DK?)); betgelse er OK pr. atagelse. Økoometr : Istrumetvarabelestmato 9 Økoometr : Istrumetvarabelestmato 0 Flere lølgger IV estmato e smpel regressosmodel Agrst og Krueger: Dummy varabel som strumet: Fder sgfkat korrelato mellem uddaelseslægde og det kvartal, ma er født (for amerkaske data). Argumeterer for at fødselskvartal er ukorreleret med eve. Agrst: Naturlgt ekspermet : Ser på sammehæg mellem lø og mltærtjeeste Vetam. Væreplgte var et lotter: Høj korrelato mellem at trække et lavt sessosummer og faktsk at aftjee væreplgt. Tlfældgt udvalg, dvs. sessosummer ukorreleret med eve og adre varabler. Sessosummer som strumet. De smple regressosmodel y = β0 + βx + u Atag: x er edoge og z er et brugbart strumet for x, dvs: cov( z, u ) = 0, cov( z, x ) 0 IV estmatore for β ka udledes som e momet estmator (tavlegeemgag) Økoometr : Istrumetvarabelestmato Økoometr : Istrumetvarabelestmato 3

IV estmato: Idetfkato af parametree IV estmatore Smpel regressosmodel: y = β0 + βx + u Gyldgt strumet: cov( z, u ) = 0, cov( z, x) 0 Gvet cov( z, u ) = 0 detfceres parametere som cov( z, y) β = cov( z, x ) IV estmatorere fdes ved at dsætte de aaloge størrelser fra stkprøve: = ( z z)( y y) ˆ = β ˆ ˆ =, β 0 = y βx ( z z)( x x) β IV estmatore er kosstet: p lm( ˆ β ) = β Hjemmeopgave : Vs det! (se W p. 68 for sprato) IV estmatore er asymptotsk ormalfordelt. Hvs x faktsk er exoge ka de bruges som st eget strumet : OLS som specaltlfælde af IV. IV estmatore: Har gode asymptotske egeskaber, dvs. v ved de vrker store datasæt. Me: IV geerelt kke mddelret IV vl ofte have e relatvt stor varas. Økoometr : Istrumetvarabelestmato 3 Økoometr : Istrumetvarabelestmato 4 IV estmatore: Iferes Svage strumeter Atag: Homoskedastctet: Eu ( z) = De asymptotske varas på ˆβ er gvet ved, ρ xz, < xρx, z Varase går mod ul som / lgesom for OLS. Estmeres kosstet ved ˆ, ˆ = uˆ, ˆ ˆ ˆ u = y β0 βx SST R x x, z = Ka sammelges med varas på OLS estmator, år cov( x, u ) = 0 Eksempler: Ex. 5. og 5.. IV estmatore ka have stor asymptotsk bas hvs Der datasættet er blot e svag korrelato mellem z og u Og der samtdg er svag korrelato mellem x og z Se på: ˆ corr( z, u) u p lm( β) = β+ corr( z, x ) x Sdste led ka være stort hvs corr( z, x) er llle. For OLS estmatore gælder: ˆ u plm( β) = β+ corr( x, u ) x De asymptotske bas behøver kke at være ret stor. Økoometr : Istrumetvarabelestmato 5 Økoometr : Istrumetvarabelestmato 6 4

Næste gag: Trsdag! IV estmato det multple tlfælde (eksakt detfceret): Kap. 5.-5.3 og reste af afst 4 og afst 5 ote. Husk hjemmeopgave! Økoometr : Istrumetvarabelestmato 7 5