Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation II 7. december 2005.

Slides:



Advertisements
Lignende præsentationer
Inferens i den lineære regressionsmodel 19. marts 2007
Advertisements

Dummyvariabler 13. oktober 2006
Heteroskedasticitet 23. oktober 2006
Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 FunktioneI form i den lineære regressionsmodel 19. oktober 2004.
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 4. november 2005.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 14. april 2003.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 26. november 2004.
Økonometri 1: F3 Økonometri 1 Den simple regressionsmodel 15. september 2006.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 10. december 2004.
Økonometri 1: F121 Økonometri 1 Heteroskedasticitet 27. oktober 2006.
Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 Inferens i den lineære regressionsmodel 1. oktober 2004.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 5. maj 2003.
Økonometri 1: F81 Økonometri 1 Inferens i den lineære regressionsmodel 2. oktober 2006.
KM2: F261 Kvantitative metoder 2 Instrumentvariabel estimation 16. maj 2007.
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 9. november 2004.
KM2: F151 Kvantitative metoder 2 Funktionel form. Goodness-of-fit. Prediktioner og residualer 26. marts 2007.
Heteroskedasticitet 17. marts 2006
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 22. marts 2006.
KM2: F191 Kvantitative metoder 2 Heteroskedasticitet 16. april 2007.
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation og dataproblemer 2. november 2004.
Instrumentvariabel estimation 21. maj 2007
Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 Inferens i den lineære regressionsmodel 5. oktober 2004.
Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 Inferens i den lineære regressionsmodel 3. marts 2006.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation II 28. april 2006.
Økonometri 1 Gentagne tværsnit og panel data I 5. april 2006.
Økonometri – lektion 8 Multipel Lineær Regression
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 5. marts 2007.
KM2: F251 Kvantitative metoder 2 Instrumentvariabel estimation 14. maj 2007.
Økonometri 1: Dummy variable1 Økonometri 1 Dummy variable 24. marts 2003.
Økonometri 1: Inferens i den multiple regressionsmodel1 Økonometri 1 Inferens i den multiple regressionsmodel 3. marts 2003.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation III Prøveeksamen 3. maj 2006.
KM2: F61 Kvantitative metoder 2 Den simple regressionsmodel 21. februar 2007.
Kvantitative metoder 2: Inferens i den lineære regressionsmodel1 Kvantitative metoder 2 Inferens i den lineære regressionsmodel 14. marts 2007.
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 26. februar 2007.
Økonometri 1: Inferens i den multiple regressionsmodel1 Økonometri 1 Inferens i den multiple regressionsmodel 10. marts 2003.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2004.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 24. februar 2003.
Økonometri 1 Avancerede Paneldata Metoder II. 2 Paneldata metoder Sidste gang: Paneldata med to eller flere perioder og ”fixed effects” estimation. Første-differens.
F21: Instrumentvariabelestimation III1 Økonometri 1 Instrumentvariabelestimation III 8. december 2006.
Økonometri 1: Flere emner i den multiple regressionsmodel1 Økonometri 1 Flere emner i den multiple regressionsmodel 13. marts 2003.
KM2: F181 Kvantitative metoder 2 Heteroskedasticitet 11. april 2007.
Økonometri 1: F41 Økonometri 1 Den multiple regressionsmodel 18. september 2006.
KM2: F51 Kvantitative metoder 2 Den simple regressionsmodel 19. februar 2007.
Økonometri 1: F51 Økonometri 1 Den multiple regressionsmodel 22. september 2006.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 24. april 2003.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 26. oktober 2004.
Økonometri 1 Avancerede Paneldata Metoder II Introduktion til Instrumentvariabler 27. november 2006.
KM2: F201 Kvantitative metoder 2 Heteroskedasticitet 18. april 2007.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 15. februar 2006.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 31. marts 2003.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 7. september 2004.
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 28. februar 2007.
Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 FunktioneI form i den lineære regressionsmodel 11. oktober 2005.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 30. november 2004.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 28. april 2003.
Økonometri 1: Dummyvariabler1 Økonometri 1 Dummyvariabler 12. oktober 2005.
Økonometri 1 Avancerede Paneldata Metoder IIa 30. November 2005.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2005.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 24. marts 2006.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 7. december 2004.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 27. marts 2003.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 17. september 2004.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 29. oktober 2004.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation I 2. December 2005.
Økonometri 1: F71 Økonometri 1 Inferens i den lineære regressionsmodel 29. september 2006.
KM2: F41 Kvantitative metoder 2 Den simple regressionsmodel 14. februar 2007.
Økonometri 1: F131 Økonometri 1 Heteroskedasticitet 30. oktober 2006.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation IV 10. maj 2006.
Den multiple regressionsmodel 21. september 2005
Heteroskedasticitet 25. oktober 2005
Præsentationens transcript:

Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation II 7. december 2005

Økonometri 1: Instrumentvariabelestimation 2 Plan: Dagens program:  Eksempel på korrelation og kausalitet IV estimation i tilfældet med flere regressorer og instrumenter:  Eksakt identificeret tilfælde: Samme antal instrumenter som endogene forklarende variabler: Kap og afsnit 4 i noten.  2SLS (two-stage least squares) estimation.  Overidentificeret tilfælde: Flere instrumenter end endogene variabler: Kap , afsnit 5 i noten.  Test af exogenitet

Økonometri 1: Instrumentvariabelestimation 3 Korrelation -kausalitet Afhængig var. y Forklarende var. x KorrelationKausalitetMuligt instrument SkilsmisseAntal børnnegativ SkilsmisseAndel pigerPositiv UddannelseAntal børnNegativ børn med allergi Husdyr i hjemmet Negativ

Økonometri 1: Instrumentvariabelestimation 4 Multipel IV estimation: Flere endogene regressorer Regressionsmodel på matrix form: Strukturel ligning: Opdel regressorerne i to grupper: Antag: regressorer er endogene: Skal som minimum bruge instrumenter

Økonometri 1: Instrumentvariabelestimation 5 Multipel IV estimation: Eksakt identificeret tilfælde Eksakt identifikation: Vi har netop instrumenter til rådighed, samme antal som der er endogene regressorer: exogene variabler: er ”instrumenter for sig selv”. Z rummer alle exogene variabler i modellen:  er de variabler, der er inkluderet i den strukturelle ligning  er de variabler, der er ekskluderet fra den strukturelle ligning

Økonometri 1: Instrumentvariabelestimation 6 Multipel IV estimation: Eksakt identificeret tilfælde For et gyldigt sæt af instrumenter kræves: Ingen korrelation med fejlleddet: Korrelation med de endogene regressorer: Ingen perfekt lineær afhængighed mellem instrumenterne:

Økonometri 1: Instrumentvariabelestimation 7 Eksakt identificeret tilfælde: Estimation Betingelse for gyldigt instrument: Ingen korrelation med fejlleddet i populationen: Analog betingelse i stikprøven: Momentbetingelser definerer IV estimatoren: IV estimatoren er konsistent:

Økonometri 1: Instrumentvariabelestimation 8 IV estimation generelt: To-trins procedure (2SLS) 1. trin: Prediktion af ud fra instrumenterne på grundlag af hjælpeligningerne:  hjælpeligninger, som estimeres ved OLS. Betegnes den reducerede form. Ligningerne for er ”trivielle”.  Estimater og prediktioner fra hjælpeligningen:  Matricen kaldes projektionsmatricen. Predikterede værdier af er asymptotisk ukorrelerede med fejlleddet. 2. trin: OLS på grundlag af predikterede værdier: 2SLS proceduren er ækvivalent med IV i det eksakt identificerede tilfælde

Økonometri 1: Instrumentvariabelestimation 9 Overidentificeret tilfælde: Flere instrumenter end endogene regressorer Simpel regressionsmodel: To gyldige instrumenter: og Ex. Målefejlsmodel med to instrumenter. Ex. Både mors og fars uddannelseslængde som instrument i lønligning: Ex To mulige simple IV estimatorer:

Økonometri 1: Instrumentvariabelestimation 10 Estimation med 2SLS Eksakt identifikation (=) eller overidentifikation ( >): 1. trin: Prediktion af variabler i ud fra instrumenter på grundlag af hjælpeligningerne: 2. trin: OLS på prediktionerne (eller brug prediktionerne som instrumenter):

Økonometri 1: Instrumentvariabelestimation 11 Inferens med 2SLS Behøver en antagelse om homoskedasticitet, givet : Den asymptotiske kovariansmatrix for 2SLS estimatoren er givet ved: Bemærk: Residualer på grundlag af (ikke ) Asymptotisk gyldige standardfejl kan konstrueres herfra. De tilsvarende t-værdier vil være asymptotisk normalfordelte.

Økonometri 1: Instrumentvariabelestimation 12 Test af exogenitet: En endogen, et instrument Er en given forklarende variabel endogen eller exogen?  Hvis endogen, så brug IV  Hvis exogen, så brug OLS (på grund af efficiens) Strukturel ligning: : Mistænker variablen for at være endogen, øvrige k-1 regressorer er exogene: Antag:, vi har et gyldigt instrument, : Reduceret form for :

Økonometri 1: Instrumentvariabelestimation 13 Test af exogenitet: En endogen, et instrument (2) Hvis faktisk er exogen:  Både OLS og IV konsistente estimatorer:  OLS er efficient. Hvis faktisk er endogen:  Kun IV giver konsistente estimatorer: Test baseret direkte på forskellen mellem OLS og IV estimatoren: Wu-Hausman test (Økonometri 2).

Økonometri 1: Instrumentvariabelestimation 14 Test af exogenitet: En endogen, et instrument (3) ”Residual augmenteret regression” test. Ide: Korrelation mellem og vil svare til, at der er korrelation mellem og (husk at pr. antagelse er ukorreleret med ). Splitte op i to dele: En del der er korreleret med og en ukorreleret del: Indsæt i strukturel ligning: Erstat med residualet fra den reducerede form, : Lav signifikanstest på ”Hjemmeopgave”: Lav test af exogenitet af educ i W’s løneksempel (Ex. 15.7)

Økonometri 1: Instrumentvariabelestimation 15 Næste gang: Onsdag d. 14/12. Mere om test af exogenitet og test for overidentifikation: Kap , afsnit 7-8 i note 6-trins procedure for IV estimation Eksempel