内生性和工具变量法

内生性和工具变量法

从最根本的定义来说，内生外生首先是取决于系统的，在一个系统内部决定的变量，自然就是内生变量，在系统决定的变量，就是外生变量。比如，给一个系统，比如地球，那么当前情况下地球上一切可以统计的变量都是内生变量，但是阳光就是外生变量。那么如果以太阳系为研究的系统，那么自然，阳光此时也是内生变量了。

这样说内生性外生性似乎很容易理解，但是涉及到经济问题似乎不是那么好办了，因为经济系统中，所有的变量很难说是完全独立的，比如货币发行量，似乎是央行决定，按理说是外生的吧，但是慢着，央行的货币不是随便发的，也是因为有经济体有需求才会向社会发行货币，这个就是货币外生和货币内生的讨论，研究的文章有很多。

还是先说外生性吧，Leamer定义，如果y对x的条件分布（这个就是给出x 值，对应随机变量y）不随x的生成过程的修正而发生变化，那么x就是外生变量。外生性似乎还是可以分为两类，前定性（前定变量是指独立于方程中同期和未来误差项的变量），严格外生（严格外生变量是指独立于方程中所有同期、未来，和过去误差项的变量）。

依照这个定义，我什么也看不出来，倒是可以从CLRM假定cov(Ut,Xt)≠0情况考虑。既然cov(Ut,Xt)≠0可以叫成内生性，那么cov(Ut,Xt)=0大概可以叫外生变量了吧。chris的书前面把这个假定强化为X是非随机变量，当显然这一假定是靠不住的，X更多情况下是随机变量。这里涉及到前面曾经困惑的一个概率，随机解释变量，随机解释变量就是说解释变量是随机的，原因根据我的思考总结，大概是这两类，1.观测值存在误差2.根据Y=α+θX+μ，如果Y能影响X，由于Y是随机的，自然X也就带有随机性了。

随机解释变量容易带来内生性的问题，但却也不是必然，比如X是随机解释变量，但是X和u是独立的，也就是说cov(Ut,Xt)=0的时候，是不违背CLRM 假设的。其实到这里，我们讨论的一切，什么内生性，自相关，异方差，这些为什么要讨论呢，就是因为我们经常用OLS模型进行估计，而CLRM的五个假定

就是为了使得OLS的估计具有一致性，无偏性，有效性。这时候，你看，即使X是随机变量，如果cov(Ut,Xt)=0，那么是用OLS模型估计的值仍然是具有上面三条性质的，也就是说回归没有问题。什么时候会出问题，cov(Ut,Xt)≠0，这个时候的回归就不是一致的了，这个可以从无偏定义推出来通过估计式，然后将cov(Ut,Xt)≠0代入入就可以发现E(β)≠β等等类似，这个不是今天论述的重点。

顺带第一下CLRM第五条假设，残差u服从正太分布，这个和估计值的一致无偏有效性没有关系，但是在进行有效性检测是，就要用到这个假设了，如果残差不符合正太分布，根本就没办法进行任何检测了。不过好在根据中心极限定理，样本够多的时候，可以渐进趋向正太分布，拿来做有效性检测也不会有太大问题。

回到内生性的话题，解释变量的内生性指的是模型中的解释变量与扰动项相关，这个问题可以的原因大体有以下几条：

1 模型设定偏差，遗漏了变量，这样，被遗漏的变量就被放进了残差项了，如果对被解释的变量和其他解释变量相关，自然，就会出现cov(Ut,Xt)≠0也就是内生性问题了。

2测量误差，测量误差也有两种，一种是对被解释变量Y的测量误差，这个其实不会引起内生性，另一种是对解释变量X的测量误差。说明一下，被解释变量Y的测量误差，设y的真实值y*,测量值y,测量误差e0=y-y*,假设理论的回归方程为y*=β0+β1x1+….将测量误差带入方程得y*=β0+β1x1+….ε+e0=y*=β0+β1x1+….ν其中ν=ε+e0表示实际回归方程的残差，显然由于y 的测量误差和xi是相互独立的，那么实际回归方程的残差v也与各解释变量相互独立（无关），所以还是满足外生性的。至于解释变量x的测量误差，回归式y=β0+β1x1+….ε中，测量误差产生于xk, ek=xk-xk*，将测量误差带入回归式y=β0+β1x1+….ε+βke那么如果cov(x*k,ek)=0，那么cov(xk,ek)=cov(x*k+ek,ek)=σ^2,此时的测量误差便会引起内生性的问题了。

3双向交互影响（或者同时受其他变量的影响）这种情况引起的内生性问题在现实中最为常见。其基本的原理可以阐述为，被解释变量y和解释变量x之间存在一个交互影响的过程。x的数值大小会引起y取值的变换，但同时y的变换

又会反过来对x构成影响。这样，在如下的回归方程中：y=β0+β1x1+….ε如果残差项ε的冲击影响了y的取值，而这样的影响会通过y传导到x上，从而造成了x和残差项ε的相关。也就是引起了内生性问题。这里举几个简单、但经常遇到的例子说明。例1：金融发展与经济增长例2：外商直接投资FDI与经济增长例3：犯罪率与警备投入。而我们通常最难以确定的内生性问题就是这个问题，因为经济学领域，变量大多都是相互影响的，毕竟都是在这样一个社会系统里面。而我们之前那些讨论的内容，通常都不是我们遇到的主要问题，因为测量误差是既成事实，改进很困难，而遗漏变量，这个是模型设定的时候，如果你遗漏了，别人挑刺也很难找出你遗漏了什么。倒是最后的交互影响，因为几个解释变量放在那里，他想挑刺就说内生性，因为经济系统内部内生性很多，如果你不能很好的解释，检验，这一道关就不能让别人信服。

网上有人说，内生变量和外生变量很好区别：外生变量就像函数中的参量一样，不受模型内部变量的影响。而内生变量受模型中的变量影响，比如X+Y=a （1）X-Y=1 （2）将上面两个方程联立，可以得到一个模型，其中变量X 和Y是可以通过解方程从“模型中”解出的，故是内生变量。但是变量a无法通过解方程来决定，只能由外在因素决定，所以是外生的，相当于一个参数。这种说法倒是简单明了，很容易理解，也符合我们的直觉，但是在简历模型的时候，很多时候没有办法就是说a他就是外生的，他不是另外一个变量Z。

处理内生性的问题通常用工具变量法，或者两阶段最小二乘，这个和对内生性概念的理解就没什么关系，就不提了。

寻找工具变量

我们认为以下真理是不证自明的：制度对经济增长具有很大的促进作用。 当然为了科学性也需要证明一下。考虑两个命题： 1、在控制了其他因素的前提下，由于制度较好的国家通常经济更发达，因此制度对经济增长具有很大的促进作用。 2、在控制了其他因素的前提下，由于中国 1919 年教会学校人数较多的地区通 常经济更发达，因此制度对经济增长具有很大的促进作用。 你可能会觉得，命题 1 显然是合理的，而命题 2，傻逼吗？ 但是经济学家会告诉你，命题 2 是合理的，而命题 1 则略显傻逼。 为什么呢？ 因为不但制度（更好的产权保护，更加清廉更加民主更加法制等等）影响了经 济发展，经济发展也会影响制度。因此经济和制度之间有一种反向因果关系。 例如美国的陪审团制度，其诉讼成本是巨大的，而对于追求结果的正义并没有 太大帮助（如辛普森案），因此只有财大气粗的美国才能像购买奢侈品一样购 买程序正义。 这种现象叫做内生性，内生性带来的估计是有偏估计。具有内生性的估计有时 候是非常可笑的，例如警察人数通常与犯罪数高度正相关，但是我们无法得出“警察人数增加带来犯罪提升”的因果关系，因此恰恰是因为犯罪较多，人们才 配备了更多的警察。 与直觉相违背的内生性偏差是有害的，而与直觉相一致的内生性偏差更加有害，因为你也不知道你直觉的正确性。这使得经济学家不敢对任何一个简单的回归 妄下断言，而是反复推敲计量模型所代表的真实因果关系。 那么内生性问题如何解决呢？ 我们仔细看制度和经济的关系问题。我们用制度的改善来解释经济的提高，但 是经济的提高也有可能反过来影响了制度的改善，所以我们的估计是有偏的。 那么解决的方法就显而易见了，我们寻找一个不被经济的提高而影响的，并且 确实会影响经济的制度因素就好了。而在实际操作中，由于我们找不到这么一 个完美的制度变量，我们通常可以找一个与这个完美的制度变量高度相关的变 量来作为制度的工具变量，从而通过它的变化来间接反映制度对经济的影响。

Chapter4-工具变量法

第1章 两阶段最小二乘法 在模型的基本假定中，解释变量与误差项正交保证了参数估计量的无偏性和一致性。当这一假定被违背时，称解释变量是内生的。常见的几种情况会导致内生问题：忽略重要的解释变量、变量的测量误差、变量的联立性。工具变量估计是解决解释变量内生问题的基本方法。本章介绍工具变量法和两阶段最小二乘法，以及模型内生性检验和过度识别约束检验等问题。 1.1 变量的内生性 如果模型中的解释变量与误差项出现相关，即(')E =X u 0，称解释变量是内生的。导致 解释变量内生性的原因有很多，主要的几个原因包括：模型中忽略了重要的解释变量、变量因果关系的双向性、变量的测量误差等。 模型中出现内生解释变量时，OLS 估计量是不一致的。根据OLS 估计量： 11111?(')(')(')(')(')(')N N -----==+=+βX X X y βX X X u βX X X u (1.1) 由假定Rank(X)=K 和大数定律，样本均值的概率极限等于总体均值，可得： 1Plim(')E(')N -=≡X X X X A ， 1Plim(')E(')N -=≠X u X u 0。 (1.2) 又由Slustky 定理， 111Plim(')N ---=X X A 1?Plim E(')-=+≠β βA X u β (1.3) 1.2 工具变量估计 1.2.1 工具变量 在如下模型中， y = X β+ u 第i 个解释变量x i 为内生解释变量。如果存在变量z ，z 满足如下两个条件： 正交条件：与u 不相关，即cor(z, u) = 0 相关条件：与x 相关，即cor(z, x i ) ≠ 0，也称为识别约束条件。 那么，z 被称作x i 的工具变量。

经济学实证研究路在何方_赵洪春

Journal of Translation from Foreign Literature of Economics ·80·经济学实证研究路在何方？ 华中科技大学赵洪春* 1 引言 上世纪八十年代初，Christopher Sims（1980）、David Hendry（1980）和Edward Leamer （1983）对当时的实证经济学提出了尖锐的批评。这些批评都指出当时的实证研究结果难以取信于人。而缺乏可信性的原因，一是对因果关系识别的理解甚少，二是计量推断往往对附设的模型设定和误差项分布不稳健。自那时起，实证经济学在三个方向取得了显著的进展。除了稳健的经济计量推断之外，还有基于设计的实验主义实证研究方法和基于经济学模型的结构性实证研究。尤其是基于设计的实验主义方法已广泛应用于发展、教育、环境经济学、卫生、劳动和公共财政等诸多微观经济学领域的实证研究和政策分析。同时，其在宏观经济学和产业组织中的应用也有若干有益的尝试。①实证经济学的新进展也把对实证经济学的很多思考推向深入。比如，实验主义方法在多大程度上提高了实证经济学的可信度？敏感性分析能否解决有限样本带来的困扰？在结构性实证研究中，如何看待基于回归的计量方法和基于计算的定量方法？这些思考发生的背景是，实证经济学越来越关注如何设计好的实验或者发现有效的自然实验，而与经济学理论渐行渐远，并且引发了很多涉及实证经济学基本问题的争论。②在深入思考之后，人们不禁要问：合理的实证经济学研究方法是什么？ 本文在梳理这些思考的基础上发现，这些思考不仅把经济学实证研究推向深入，也为其未来的发展方向提供了新思路。具体而言，首先，基于设计的实验主义方法虽然是回答在具体情境下因果效应是否存在的终极武器，在概念上能够可信地估计平均干预效果，能够回答“有没有”的问题。但是，这种方法本质上独立于经济学理论，无法解答“为什么”的问题。其次，敏感性分析不是解决有限样本带来的问题的终极方案，而更多的实验和自然实验是当前积累可靠信息的必要途径。最后，在结构性实证研究中，基于回归的计量方法需要借助统计相关性沟通模型与数据，而不能直接联系二者。即便某些识别条件是基于理论的，回归分析的估计结果也只是赋予统计相关性以因果性的解释。而基 *作者获美国南加州大学经济学博士学位，现为华中科技大学经济学院经济系讲师。作者电子邮箱：zhaohongchun@https://www.sodocs.net/doc/e75459749.html,。作者对王俊杰、张丽娜、马克、刘延洁出色的助研工作表示感谢。本文得到华中科技大学“国家级建设高水平国际化课程”项目的资助。 ①Diamond和Robinson（2010）汇集了许多实验主义方法在历史学中的各种应用。 ②一次争论是Deaton（2009），Heckman和Urzua（2010）对工具变量法的批评，以及Imbens（2010）的回应。另一次争论是Angrist和Pischke（2010）对包括工具变量法在内的实验主义方法的评价，以及Leamer（2010），Keane（2010），Sims（2010），Nevo和Whinston（2010），Stock（2010）的回应和反驳。

内生性问题原因和处理方法

内生性问题原因和处理 方法 Company number：【0089WT-8898YT-W8CCB-BUUT-202108】

内生性问题：就是模型中的一个或多个解释变量与随机扰动项相关的问题。变量的内生性问题总是不可避免的。内生性引起的问题主要是引起参数估计的不一致。 引起内生性问题的原因： （1）遗漏变量 这主要是因为实际的问题中，一个变量往往受到许多变量的影响，在实际建模过程中无法将解释变量全部列出。在这样的情况下，遗漏的变量的影响就被纳入了误差项中，在该遗漏变量与其他解释变量相关的情况下，就引起了内生性问题。 （2）测量误差 关于测量误差引起内生性的问题要基于测量误差的假设。测量误差可能是对被解释变量y 的测量误差，也可能是由于对解释变量x 的测量误差。这两种情况引发的结果是不一样的。 ( 3) 双向交互影响 这种情况引起的内生性问题在现实中最为常见。其基本的原理可以阐述为，被解释变量y 和解释变量x 之间存在一个交互影响的过程。x 的数值大小会引起y 取值的变换，但同时y 的变换又会反过来对x 构成影响。这样，在如下的回归方程中：011k k y x x βββε=+++，如果残差项ε的冲击影响了y 的取值，而这样的影响会通过y 传导到x 上，从而造成了x 和残差项ε的相关。也就是引起了内生性问题。 内生性问题处理方法： 1.工具变量法（IV ）

就是找到一个变量和内生化变量相关，但是和残差项不相关。在OLS的框架下同时有多个IV，这些工具变量被称为两阶段最小二乘（2SLS）估计量。具体的说，这种方法是找到影响内生变量的外生变量，连同其他已有的外生变量一起回归，得到内生变量的估计值，以此作为IV，放到原来的回归方程中进行回归。 2.代理变量法（Proxy） Proxy方法是将不可观测的变量用近似的变量进行替代，也就是说，是在残差项中提取出有用的信息，但是并没有对现有的解释变量进行处理。 3. 自然实验法 就是就是发生了某些外部突发事件，使得研究对象仿佛被随机分成了实验组或控制组。该事件只影响一部分样本，或者只影响解释变量而不影响被解释变量。 4. 双重差分法 倘若出现了一次外部冲击，这次冲击影响了一部分样本，对另一部分样本则无影响，双重差分法就是用来研究这次冲击的净效应的。其基本思想是，将受冲击的样本视作实验组，再按照一定标准在未受冲击的样本中寻求与实验组匹配的对照组，而后做差，做差剩下来的便是这次冲击的净效应。

多元化与归核化战略转换及其价值效应

第５期（总第３５４期）２０１３年５月 财经问题研究 ＲｅｓｅａｒｃｈＯｎＦｉｎａｎｃｉａｌａｎｄＥｃｏｎｏｍｉｃＩｓｓｕｅｓ Ｎｕｍｂｅｒ５（ＧｅｎｅｒａｌＳｅｆｉＭＮｏ．３５４） Ｍａｙ，２０１３ 多元化与归核化战略转换及其价值效应 孙戈兵１’２，胡培１ （１．西南交通大学经济管理学院，四川成都６１００３１；２．新疆大学经济管理学院，新疆乌鲁木齐８３００４６） 摘要：多元化和归核化是公司成长过程中相互转换的动态过程，本文将其置于同一框架内分 析相互转换的影响因素及价值效应。运用多项Ｌｏｇｉｔ模型进行实证检验表明，多元化和归核化与 公司特质和外部环境显著相关，产业利润率与多元化负相关，产业竞争性与归核化正相关。使 用工具变量法控制多元化与归核化转换引起的联立性偏差后，笔者没有发现多元化折价和归核 化溢价。 关键词：多元化；归核化；战略转换；价值效应 中图分类号：Ｆ２７０．７文献标识码：Ａ文章编号：１０００．１７６Ｘ（２０１３）０５－００１６－０８ 一、引言及文献综述 在动态不确定性的竞争环境下，任何战略不可能是一成不变的。给定企业在不同时期呈现出多元化与归核化交替出现的循环转换状况，战略管理领域的学者和企业家对多元化战略的探索已经从“静态竞争观”向“动态竞争观”转化。当前多数文献分别研究多元化或归核化的价值效应，将两者割裂或孤立起来进行研究，尽管少数学者开始研究多元化动态性，但仍然没有对两者之间的交替作用进行实证检验。多数研究认为多元化经营损害公司价值…而归核化经营创造价值嵋Ｊ，这似乎意味着公司应该选择归核化而不是多元化，然而，为什么每年多元化经营成功的企业几乎与专业化的企业一样为数众多？那么，考虑多元化与归核化两者间的转换后，还意味着多元化折价而归核化盈利吗？究竟是哪些因素影响多元化和归核化选择呢？这些问题值得我们进一步深入研究和探讨。 本文研究有以下几个特点：（１）扬弃了把多元化与归核化战略割裂或孤立研究的思路，将两者纳入统一的研究体系，应用多项选择模型进一步研究影响多元化和归核化决策的因素。（２）为了考察多元化和归核化动态转化过程，本文构建了反映这些相互转化现象的哑变量。（３）为了控制多元化与归核化相互作用产生的联立性偏差，应用工具变量法，进～步考察多元化和归核化的价值效应。实证检验表明，多元化与归核化本身既不折价也不溢价，是公司常态化的经营战略。 多元化、归核化和公司价值之间的关系一直是国内外战略管理和金融领域研究和争论的焦点，相关理论和实证检验的文献可谓是汗牛充栋，如Ｈｙｌａｎｄ和Ｄｉｈｚ【３１对产生多元化动机的一般特质进行了研究分析，也有学者认为相对低的多元化价值是由于无效的内部资本市场造成的Ｈ１，或者是由于更高的代理成本造成【５Ｊ。Ｍａｋｓｉｍｏｖｉｃ和Ｐｈｉｌｌｉｐｓ使用在一个产业内公司之间竞争优势的均衡分布解释多元化折价ＭＪ。多元化与公司价值之间实证检验结论一般分为三 收稿日期：２０１３－０３－１５ 基金项目：教育部人文社会科学基金项目“基于粗糙集理论的动态多属性决策方法研究”（１１ＷＪＣ６３０１２７） 作者简介：孙戈兵（１９７０一），男，新疆奎屯人，博士研究生，副教授，主要从事企业理论与应用和战略管理等方面的研究。Ｅ．ｍａｉｌ：ｓｇｂ６９＠１６３．ｃｏｒｎ

工具变量法~

工具变量法 一、工具变量法的主要思想 在无限分布滞后模型中，为了估计回归系数，通常的做法是对回归系数作一些限制，从而对受限的无限分布滞后模型进行估计。在这里，考伊克模型、适应性期望模型与部分调整模型给出了很好的解决此类问题的思路。经过变换，新的模型中，随机扰动项的表达式为： 考伊克模型：1t t t v u u λ-=- （01λ<< ，λ为衰减率） （1.1）； 适应性期望模型：1（1）t t t v u u λ-=--（01λ<< ，λ为期望系数）（1.2）； 部分调整模型：（1）t t v u γ=-（01γ≤< ， 1γ-为调整系数） （1.3）。 t u 为原无限分布滞后模型中的扰动项，t v 为变换后的扰动项。 在原模型中的随机扰动项满足经典假设的前提下，部分调整模型也满足经典假设，但是考伊克模型与适应性期望模型的随机扰动项由于存在原随机扰动项的滞后项，也就是说考伊克模型与适应性期望模型的解释变量1t Y - 势必与误差项t v 相关，因此，可能会出现上述两个模型的最小二乘估计甚至是有偏的这样严重的问题。那么，我们是否可以找到一个与1t Y -高度相关但与t v 不相关的变量来替代 1t Y -？在这里，一个可行的估计方法就是工具变量法。 在讨论工具变量法之前，我们先来了解一下外生变量和内生变量。 一般来说：一个回归模型中的解释变量有的与随机扰动项无关，我们称这样的解释变量为外生变量；而模型中有的解释变量与随机扰动项相关，我们可称这样的解释变量为内生解释变量。内生解释变量的典型情况之一就是滞后应变量为解释变量的情形，如上述考伊克模型与适应性期望模型中的1t Y -。 外生解释变量：回归模型中的解释变量与随机扰动项无关； 内生解释变量：回归模型中的解释变量与随机扰动项无关； 了解了内生变量和外生变量的概念，我们接着讨论工具变量法的主要思想：工具变量法和普通最小二乘法是模型参数估计的两类重要方法，在多元线性回归模型中，如果出现解释变量与随机误差项相关（即出现内生变量）时，其回归系数的普通最小二乘估计是非一致的，这时就需要引入工具变量。 工具变量，顾名思义是在模型估计过程中被作为工具使用，以替代模型中与随机误差性相关的随机解释变量（即内生变量）。 满足条件：1）总体无关：工具变量与随机扰动项无关； 2）样本相关：工具变量必须与被它所代替的内生变量高度相关； 3）与模型中其他解释变量不相关，以避免出现多重共线性。 做了替代后，用普通最小二乘法即可得到原回归系数的一致估计量。 二、工具变量法的基本原理

工具变量法

工具变量法 一、工具变量法得主要思想 在无限分布滞后模型中,为了估计回归系数,通常得做法就是对回归系数作一些限制,从而对受限得无限分布滞后模型进行估计。在这里,考伊克模型、适应性期望模型与部分调整模型给出了很好得解决此类问题得思路。经过变换,新得模型中,随机扰动项得表达式为: 考伊克模型: ( ，为衰减率) （1、1); 适应性期望模型:（,为期望系数)(1、2）; 部分调整模型:( ，为调整系数） (1、3)。 为原无限分布滞后模型中得扰动项,为变换后得扰动项。 在原模型中得随机扰动项满足经典假设得前提下,部分调整模型也满足经典假设,但就是考伊克模型与适应性期望模型得随机扰动项由于存在原随机扰动项得滞后项,也就就是说考伊克模型与适应性期望模型得解释变量势必与误差项相关,因此,可能会出现上述两个模型得最小二乘估计甚至就是有偏得这样严重得问题。那么，我们就是否可以找到一个与高度相关但与不相关得变量来替代？在这里，一个可行得估计方法就就是工具变量法。 在讨论工具变量法之前，我们先来了解一下外生变量与内生变量。 一般来说:一个回归模型中得解释变量有得与随机扰动项无关,我们称这样得解释变量为外生变量;而模型中有得解释变量与随机扰动项相关,我们可称这样得解释变量为内生解释变量。内生解释变量得典型情况之一就就是滞后应变量为解释变量得情形，如上述考伊克模型与适应性期望模型中得。 外生解释变量:回归模型中得解释变量与随机扰动项无关； 内生解释变量:回归模型中得解释变量与随机扰动项无关; 了解了内生变量与外生变量得概念,我们接着讨论工具变量法得主要思想：工具变量法与普通最小二乘法就是模型参数估计得两类重要方法,在多元线性回归模型中,如果出现解释变量与随机误差项相关（即出现内生变量）时,其回归系数得普通最小二乘估计就是非一致得,这时就需要引入工具变量。 工具变量，顾名思义就是在模型估计过程中被作为工具使用,以替代模型中与随机误差性相关得随机解释变量（即内生变量）。 满足条件:１)总体无关：工具变量与随机扰动项无关; 2)样本相关:工具变量必须与被它所代替得内生变量高度相关; 3)与模型中其她解释变量不相关,以避免出现多重共线性。 做了替代后，用普通最小二乘法即可得到原回归系数得一致估计量。 二、工具变量法得基本原理 我们分别从简单线性回归模型与多元线性回归模型两方面来具体分析工具变量法得基本原理： 简单线性回归模型 考虑简单线性回归模型(2、1)其中为内生变量。 则其正规方程为：(2、2) 设回归模型中得解释变量与随机扰动项相关,则如前所述，普通最小二乘估计量就是非一致得。现用一个工具变量来代替正规方程中得解释变量,其残差表达式不变。

第8讲工具变量讲解

第8讲单方程工具变量回归（完） OLS能够成立的假设之一是解释变量与扰动项不相关。否则，OLS估计量将是不一致的，即无论样本容量多大，OLS估计量都不会收敛到真实的总体参1，解决方法之一就是本讲介绍数。然而，解释变量与扰动项相关的例子却很多的工具变量法。 从历史上看，工具变量估计和联立方程系统是同时教授的，更老的教科书仅在联立方程中描述工具变量估计。然而在最近的几十年，内生性的处理和工具变量估计已经呈现出更广阔的前景，而对于联立方程完整系统设定的兴趣已经减弱。最新的教材，如Cameron & Trivedi (2005)，Davidson & MacKinnon (1993, 2004)和Wooldridge (2010, 2013)，把工具变量估计看作现代经济学家的工具包中不可或缺的一部分，用更长的篇幅介绍它，而缩短对联立方程的讨论。 在回归方程中，一个有效（valid）的工具变量应满足以下两个条件： （1）相关性：工具变量与内生解释变量相关； （2）外生性：工具变量与扰动项不相关。 但是，工具变量的这两个条件常常矛盾，即与内生解释变量相关的变量往往与扰动项也相关。故在实践上，寻找合适的工具变量通常比较困难，需要一定的创造性与想象力。寻找工具变量的步骤大致可以分为两步： （1）列出与内生解释变量相关的尽可能多的变量的清单（较容易） （2）从这一清单中剔除与扰动项相关的变量（较困难） 传统的工具变量法一般通过“两阶段最小二乘法”（2SLS）来实现，顾名思义，即作两个回归。可以证明，在扰动项的经典假定下，由2SLS得到的工具变2。这个结论类似于小样本理论中的量线性组合是所有线性组合中最渐近有效的高斯—马尔可夫定理。 第一阶段回归：用内生解释变量对工具变量回归，得到内生解释变量的拟合值。 1在计量经济学中，把所有与扰动项相关的解释变量都称为“内生变量”。2在条件同方差的情况下，最优GMM还原为2SLS，而最优GMM是渐近有效的。 1 第二阶段回归：用被解释变量对第一阶段回归的拟合值进行回归，得到被解释变量的拟合值。 ivregress —Single-equation instrumental-variables regression 命令语法： ivregress estimator depvar [varlist] (varlist= varlist) [if] [in] [weight] [, iv21options]

工具变量法的Stata命令及实例

工具变量法的Stata命令及实例 ●本实例使用数据集“grilic.dta”。 ●先看一下数据集的统计特征： . sum Variable Obs Mean Std. Dev. Min Max rns 758 .2691293 .4438001 0 1 rns80 758 .292876 .4553825 0 1 mrt 758 .5145119 .5001194 0 1 mrt80 758 .8984169 .3022988 0 1 smsa 758 .7044855 .456575 0 1 smsa80 758 .7124011 .452942 0 1 med 758 10.91029 2.74112 0 18 iq 758 103.8562 13.61867 54 145 kww 758 36.57388 7.302247 12 56 year 758 69.03166 2.631794 66 73 age 758 21.83509 2.981756 16 30 age80 758 33.01187 3.085504 28 38 s 758 13.40501 2.231828 9 18 s80 758 13.70712 2.214693 9 18 expr 758 1.735429 2.105542 0 11.444 expr80 758 11.39426 4.210745 .692 22.045 tenure 758 1.831135 1.67363 0 10 tenure80 758 7.362797 5.05024 0 22 lw 758 5.686739 .4289494 4.605 7.051 lw80 758 6.826555 .4099268 4.749 8.032 ●考察智商与受教育年限的相关关系： . corr iq s (obs=758) iq s iq 1.0000 s 0.5131 1.0000 上表显示，智商（在一定程度上可以视为能力的代理变量）与受教育年限具有强烈的正相关关系（相关系数为0.51）。 ●作为一个参考系，先进行OLS回归，并使用稳健标准差：

经济学综合(微、宏观及计量经济学)考试大纲

经济学综合（微、宏观及计量经济学）考试大纲总分150分，其中微、宏观经济学占120分，计量经济学占30分。 第一部分：《微观经济学》 一、考试目的 本次考试是南开大学金融学院各专业全日制学术型研究生的入学资格考试之微观经济学部分。 二、考试的性质与范围 微观经济学考试主要测试考生是否理解和掌握微观经济学的基本概念、基本原理和基本方法，是否能够运用相关知识和原理分析问题和解决问题，达到甄别优秀考生以进一步学习金融学的目的。考试范围包括本大纲规定的微观经济学考试内容。 三、考试基本要求 要求考生熟悉基本概念和定理，并系统、深入理解整个微观经济理论的框架和内在逻辑，熟练掌握微观经济学的主要分析方法、工具和手段，理论联系实际，准确、恰当地使用微观经济学专业术语，文字通顺、层次清晰、合乎逻辑地表述和分析经济问题。考生统一用中文答题。 四、考试形式 考试形式采用闭卷考试。试卷结构采用如下题型范围：名词解释题、简答题、计算题和论述题等。 五、考试内容 考试重点内容如下 1.预算约束：预算约束的定义、预算集的性质、预算线的变动、税收、补贴和 配额等经济工具对预算线的影响

2.偏好：偏好的定义、偏好的假设、无差异曲线、边际替代率、良态偏好的定 义性特征 3.效用：效用函数的单调变换、构造效用函数、拟线性偏好、边际效用和边际 替代率的关系 4.选择：消费者的最优选择、需求函数 5.需求：正常商品和低档商品、收入提供曲线和恩格尔曲线、相似偏好、普通 商品和吉芬商品、价格提供曲线和需求曲线、替代品和互补品、反需求函数 6.显示偏好：显示偏好的概念、从显示偏好到偏好 7.斯勒茨基方程：价格变动的替代效应和收入效应、希克斯替代效应 8.需求分析和跨期选择问题：禀赋和需求变动、修正的斯勒茨基方程、劳动供 给、跨期选择的预算约束 9.不确定性条件下的选择：或有消费、期望效用、风险厌恶、风险偏好、风险 中性 10.消费者剩余：消费者剩余的概念、补偿变化和等价变化 11.市场需求：从个人需求到市场需求、弹性、弹性与收益、边际收益曲线、收 入弹性 12.均衡：市场均衡、比较静态分析、税收、税收的转嫁、税收的额外损失、税 收与帕累托效率 13.技术：投入和产出、生产函数、技术的特征、边际产品、技术替代率、边际 产品递减、技术替代率递减、长期和短期、规模报酬 14.利润最大化：利润、不变要素和可变要素、短期利润最大化、长期利润最大 化、反要素需求曲线、利润最大化和规模报酬 15.成本最小化：成本最小化的定义、规模报酬和成本函数、长期成本和短期成 本、沉没成本 16.成本曲线：各种成本概念、各种成本之间的关系 17.厂商供给和行业供给：市场特征、反供给函数、利润和生产者剩余、短期行 业供给和长期行业供给、零利润、不变要素和经济租金、寻租 18.垄断和垄断行为：垄断的定义、线性需求曲线和垄断、成本加成定价、垄断 的低效率、自然垄断、价格歧视的定义、三种价格歧视

工具变量法

工具变量法 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】

工具变量法 一、工具变量法的主要思想 在无限分布滞后模型中，为了估计回归系数，通常的做法是对回归系数作一些限制，从而对受限的无限分布滞后模型进行估计。在这里，考伊克模型、适应性期望模型与部分调整模型给出了很好的解决此类问题的思路。经过变换，新的模型中，随机扰动项的表达式为： 考伊克模型：1t t t v u u λ-=- （01λ<< ，λ为衰减率） （）； 适应性期望模型：1（1）t t t v u u λ-=--（01λ<< ，λ为期望系数）（）； 部分调整模型：（1）t t v u γ=-（01γ≤< ，1γ-为调整系数） （）。 t u 为原无限分布滞后模型中的扰动项，t v 为变换后的扰动项。 在原模型中的随机扰动项满足经典假设的前提下，部分调整模型也满足经典假设，但是考伊克模型与适应性期望模型的随机扰动项由于存在原随机扰动项的滞后项，也就是说考伊克模型与适应性期望模型的解释变量1t Y - 势必与误差项t v 相关，因此，可能会出现上述两个模型的最小二乘估计甚至是有偏的这样严重的问题。那么，我们是否可以找到一个与 1t Y -高度相关但与t v 不相关的变量来替代1t Y -在这里，一个可行的估计方法 就是工具变量法。 在讨论工具变量法之前，我们先来了解一下外生变量和内生变量。 一般来说：一个回归模型中的解释变量有的与随机扰动项无关，我们称这样的解释变量为外生变量；而模型中有的解释变量与随机扰动项相

关，我们可称这样的解释变量为内生解释变量。内生解释变量的典型情况之一就是滞后应变量为解释变量的情形，如上述考伊克模型与适应性期望模型中的1t Y 。 外生解释变量：回归模型中的解释变量与随机扰动项无关； 内生解释变量：回归模型中的解释变量与随机扰动项无关； 了解了内生变量和外生变量的概念，我们接着讨论工具变量法的主要思想：工具变量法和普通最小二乘法是模型参数估计的两类重要方法，在多元线性回归模型中，如果出现解释变量与随机误差项相关（即出现内生变量）时，其回归系数的普通最小二乘估计是非一致的，这时就需要引入工具变量。 工具变量，顾名思义是在模型估计过程中被作为工具使用，以替代模型中与随机误差性相关的随机解释变量（即内生变量）。 满足条件：1）总体无关：工具变量与随机扰动项无关； 2）样本相关：工具变量必须与被它所代替的内生变量高度相关； 3）与模型中其他解释变量不相关，以避免出现多重共线性。 做了替代后，用普通最小二乘法即可得到原回归系数的一致估计量。 二、工具变量法的基本原理 我们分别从简单线性回归模型和多元线性回归模型两方面来具体分析工具变量法的基本原理： 简单线性回归模型

组织控制和组织政治化程度如何影响企业战略绩效

组织控制和组织政治化程度如何影响企业战略绩 效？ 组织控制在企业战略管理中发挥着至关重要的作用（Arthur，1994；Cardinal，2001；Turner and Makhija，2006；Brenner and Ambos，2012；Kownatzki et al.，2013）。现有研究通常将组织控制划分为行为控制（Behavior control）和结果控制（Outcome control），并开始探索不同的组织控制类型分别对企业战略绩效的影响（McGrath，2001）。然而，企业战略实施过程中的一个重要因素——组织政治化程度（Organizational politics）却少有考虑。企业战略实施是一个动态调整的过程，不断更新和拓展企业能力以获得更大的变革和绩效。管理层和员工在此过程中自然会调整自身行为，有可能倾向于自利（Kacmar and Carlson，1997），所谓组织政治化行为，进而对企业战略绩效产生重要影响。 基于此，Markus Kreutzer, Jorge Walter, and Laura B. Cardinal于2015年发表在Strategic Management Journal杂志第36卷第9期的论文研究了组织控制与企业战略绩效之间的关系，并考虑了组织政治化程度在其中的调节作用。论文采用调查问卷的方法获取了德国、澳大利亚和瑞士三个国家共184家企业的有效问卷数据（问卷回收率为23.8%），样本企业涉及公共事业、制造业、银行保险业、咨询行业和高科技行业。论文采用李克特七级量表得分衡量企业战略绩效（Strategic initiative performance），涉及11个项目（预算、雇员、目标期限、产品质量、可靠性、成本、效率、用户、服务、销售收入和总体目标）；自变量同样采用七级量表得分衡量，包括组织控制和组织政治化程度。其中，组织控制细分为行为控制和结果控制，组织政治化程度细分为管理层政治化程度（Managerial politics）和员工政治化程度（Group politics）。控制变量包括企业三年前的业绩（销售收入和息税前利润）、企业成长经历、新添加的企业成长目标、成长性对盈余的持续影响、企业规模以及所属行业和国家。为了克服潜在的内生性问题，论文还使用工具变量实施两阶段最小二乘回归进行稳健性检验。研究发现：行为控制水平和结果控制水平对企业战略绩效的影响存在着交互作用，即行为控制水平与企业战略绩效之间具有正相关关系，此时，若结果控制水平较高，这种正相关关系更强；行为控制水平和结果控制水平对企业战略绩效的交互作用，在管理层政治化程度较强时更为显著，而员工的政治化程度对此交互作用没有显著影响。 论文主要的创新之处在于：1.本文首次运用实证方法研究了两种组织控

工具变量法2SLS与GMM

1 第 10 章 工具变量，2SLS 与 GMM 10.1 解释变量与扰动项相关的例子 例 农产品市场均衡模型 ?q d = α + α p + u (需求) ? t 0 1 t t ? q s = β + β p + v (供给) t ? q d 0 1 t t = q s (均衡) ? t t

令q ≡q d=q s，可得 t t t ?q t =α0+α1 p t +u t ? q =β+βp +v ?t 0 1 t t 两个方程中的被解释变量与解释变量完全一样。 如直接作回归q ?O?LS?→p，估计的是需求函数还是供给函数？ t t 2

图10.1 需求与供给决定市场均衡 3

4 1 1 1 1 1 1 把线性方程组中的( p t , q t )看成是未知数(内生变量)，把(u t , v t ) 看作已知，可求解( p t , q t )为(u t , v t ) 的函数： ? p = p (u ,v ) = β0 - α0 + v t - u t ? t t t t α - β α - β ? 1 1 1 1 ?q = q (u ,v ) = α1β0 - α0 β1 + α1v t - β1u t ?? t t t t α - β α - β 由于 p t 为(u t , v t ) 的函数，故Cov( p t , u t ) ≠ 0，Cov( p t , v t ) ≠ 0。 OLS 估计值α?1, β? 不是α , β 的一致估计量。 称这种偏差为“联立方程偏差”(simultaneity bias)或“内生变量 偏差”(endogeneity bias)。 1

工具变量法的Stata命令及实例

●本实例使用数据集“grilic.dta”。 ●先看一下数据集的统计特征： ●考察智商与受教育年限的相关关系： 上表显示，智商（在一定程度上可以视为能力的代理变量）与受教育年限具有强烈的正相关关系（相关系数为0.51）。 ●作为一个参考系，先进行OLS回归，并使用稳健标准差： 其中expr, tenure, rns, smsa均为控制变量，而我们主要感兴趣的是变量受教育年限（s）。 回归的结果显示，教育投资的年回报率为10.26%，这个似乎太高了。可能的原因是，由于遗漏变量“能力”与受教育正相关，故“能力”对工资的贡献也被纳入教育的贡献，因此高估了教育的回报率。 ●引入智商iq作为能力的代理变量，再进行OLS回归： 虽然教育的投资回报率有所下降，但是依然很高。 ●由于用iq作为能力的代理变量有测量误差，故iq是内生变量， 考虑使用变量（med（母亲的受教育年限）、kww（在“knowledge of the World of Work”中的成绩）、mrt（婚姻虚拟变量，已婚=1）

age（年龄））作为iq的工具变量，进行2SLS回归，并使用稳健的标准差： 在此2SLS回归中，教育回报率反而上升到13.73%，而iq对工资的贡献居然为负值。使用工具变量的前提是工具变量的有效性。 为此，进行过度识别检验，考察是否所有的工具变量均外生，即与扰动项不相关： 结果强烈拒绝所有工具变量均外生的原假设。 ●考虑仅使用变量（med, kww）作为iq的工具变量，再次进行2SLS 回归，同时显示第一阶段的回归结果： 上表显示，教育的回报率为6.08%，较为合理，再次进行过度识别检验： 接受原假设，认为（med，kww）外生，与扰动项不相关。 ●进一步考察有效工具变量的第二个条件，即工具变量与内生变量 的相关性。从第一阶段的回归结果可以看出，工具变量对内生变量具有较好的解释力。更正式的检验如下：

利率传导机制分析SVAR

2009年第3期经济经纬　ECONOM I C S URVEY No.3　2009 利率传导机制分析 周　纲,陈金贤 (西安交通大学国际经济研究所,陕西西安710049) 摘　要:利率问题是金融市场分析和金融管理领域的敏感问题,利率传导反映了货币政策由现行的直接控制型传导机制向间接控制型传导机制的过渡。利率传导机制与宏观经济和微观经济主体的运行密切相关。本文从利率市场化生成制度因素,即货币冲击因子、利率跨业和业内传导特征、利率对实体经济传导和利率传导的经济波动四个方面分析了利率传导机制,并运用结构性VAR模型,对利率变动对实体经济的传导效应进行了实证分析,验证了利率传导在不同利率灵敏度产业中的差异。 关键词:利率传导;金融市场;机制;向量自回归 基金项目:国家社科基金项目(01BJL012)。 作者简介:周　纲(1959-),男,江苏无锡人,博士研究生,西安交通大学国际经济研究所副研究员,研究方向为技术管理、金融经济学;陈金贤(1932-),男,福建福州人,西安交通大学管理学院教授、博士生导师,西安交通大学国际经济研究所所长,博士生导师,研究方向为理论经济学、金融经济学、国际金融学。 中图分类号:F822.0 文献标识码:A 文章编号:1006-1096(2009)03-0124-05收稿日期:2009-01-20 一、引言 利率作为货币政策工具,它对实体经济的影响越来越显著,但利率传导理论的产生与发展时间较短,目前还未形成一个统一的理论体系和分析框架。在已有的文献中,主要针对货币政策、利率市场化以及利率传导效应进行了探讨。夏斌等(2001)分析了中国货币政策的中介目标,提出了货币供应量已经不适应货币中介目标的功能,需要以利率为代表的货币政策工具作为货币中介;万海航(2003)和朱世武等(2003)研究了中国国债利率的期限结构问题,为利率非稳态传导提供了很好的参考;卢宝梅(2002)和吴曙明(1997)探讨了中国基准利率选择标准和基准利率的传导效应,认为市场化利率体系中应采用基准利率-资本市场利率-信贷市场利率-总需求的传导途径,基准利率有效传导的关键环节是金融市场,并且提出以同业拆借利率、再贴现率或国债利率作为基准利率的政策主张;宋玉华等(2007)根据世界经济周期理论,提出了在世界经济周期变化中,贸易、投资和短期资金流动的传导特点、渠道和影响因素,并通过各国货币政策的协动性,对国际金融市场的互动关系进行了实证研究; Marina等(2003)通过对阿根廷、智利和乌拉圭三国利率市场化改革的实证研究,论证了利率市场化改革的制度制约因素,验证了利率体制渐进式改革的制度路径;Jori on等(1991)的研究表明,未来通货膨胀和经济增长是可以通过收益曲线斜率进行解释的;Sikl os等(1997)根据对工业化国家的实证研究发现,当债券到期期限为1年期或更短时,存在更多关于通货膨胀的协积分而不是关于利率的协积分,这个结果表明在欧洲国家的样本中,通货膨胀率的收敛速度要快于名义利率的收敛速度;Estrella等(1997)利用美国、德国和瑞士的数据观察利率期限结构和通货膨胀之间的联系,并且得出利率期限结构有较强的预测1年以至更长时间通货膨胀的能力;Si m等(1992)利用结构性VAR方法通过识别货币政策的外部冲击以及这种冲击对不同经济总量的影响来估计货币政策的产业效应;Fung等(1995)运用VAR模型研究了利率、汇率、产出如何对货币政策冲击做出反应,从而得出货币政策的扩张性冲击导致了利率的下降、产出的增加和本币的贬值,而且货币政策的冲击对短期利率的影响呈显著性和短暂性;Raddatz等(2003)通过对结构性VAR以及识别策略的详尽分析,着重研究了货币政策与产业冲击之间的关系,并以高技术产业作为研究对象,从理论和实证意义上验证了结构性VAR的效能。 本文首先从宏观上把握利率市场化生成的制度因素,在此基础上研究利率传导机制及影响因素,利用扩展的结构性VAR实证研究了利率变动冲击对国民经济相关产业的传导影响,探讨从金融政策协调等方面寻求平缓经济波动的途径。 二、利率市场化的制度变迁因素 利率市场化的制度变迁是利率制度由利率管制向利率

内生性与工具变量估计方法

内生性与工具变量估计方法 一 一元模型的IV 估计 采用MROZ 数据，进行练习。 估计教育对工资收入的回报： 01log()wage educ ββμ =++ 为了便于比较首先得到OLS 估计结果，在命令窗口输入 smpl 1 428 equation eq01.ls log(wage) c educ 教育的系数估计值表明，每多接受一年教育可得到月11%的回报。 接下来，我们用父亲的受教育程度（fatheduc ）作为educ 的工具变量。我们必须认为fatheduc 与u 不相关；第二个要求是educ 与fatheduc 相关。为了验证第二点，作一个educ 对fatheduc 的回归。 equation eq02.ls educ c fatheduc 可以看出，educ 与fatheduc 之间存在统计显著的正相关。

采用fatheduc 作为educ 的工具变量，进行工具变量回归。 equation eq03.tsls log(wage) c educ @ fatheduc IV 估计量的标准误是OLS 标准误的2.5倍，这在我们的意料之中。 二 多元模型的IV 估计 采用card 数据，进行练习。 估计教育对工资收入的回报： 012log()var wage educ Control iables βββμ =+++ 为了便于对照，先做OLS 回归 Smpl 1 3010 Equation eq01.ls log(wage) c educ exper expersq black smsa south smsa66 reg662 reg663 reg664 reg665 reg666 reg667 reg668 reg669

2020年1月全国自考计量经济学试题及答案解析

1 全国2018年1月高等教育自学考试 计量经济学试题 课程代码：00142 一、单项选择题(本大题共30小题，每小题1分，共30分) 在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填写在题后的括号内。错选、多选或未选均无分。 1. 以X 为解释变量，Y 为被解释变量，将X 、Y 的观测值分别取对数，如果这些对数值描成的散点图近似形成为一条直线，则适宜配合下面哪一模型形式?( ) A. Y i =β0+β1X i +μi B. lnY i =β0+β1X i +μi C. Y i =β0+β1lnX i +μi D. lnY i =β0+β1lnX i +μi 2. 下列各回归方程中，哪一个必定是错误的?( ) A. Y i =50+0.6X i r XY =0.8 B.Y i =-14+0.8X i r XY =0.87 C. Y i =15-1.2X i r XY =0.89 D. Y i =-18-5.3X i r XY =-0.96 3. 已知某一直线回归方程的判定系数为0.81，则解释变量与被解释变量间的线性相关系数为( ) A. 0.81 B. 0.90 C. 0.66 D. 0.32 4. 对于线性回归模型Y i =β0+β1X i +μi ，要使普通最小二乘估计量具备无偏性，则模型必须满足( ) A. E(μi )=0 B. Var(μi )=σ2 C. Cov(μi ,μj )=0 D. μi 服从正态分布 5. 指出下列哪一变量关系是函数关系?( ) A. 商品销售额与销售价格 B. 学习成绩总分与各门课程成绩分数 C. 物价水平与商品需求量 D. 小麦亩产量与施肥量 6. 对模型Y i =β0+β1X 1i +β2X 2i +μi 进行总体显著性F 检验，检验的零假设是( ) A. β1=β2=0 B. β1=0 C. β2=0 D. β0=0或β1=0 7. 区间预测是根据给定的解释变量的值，预测被解释变量的( ) A. 一个值 B. 二个值 C. 一个置信区间 D. 二个置信区间 8. 以21σ表示包含较小解释变量的子样本方差，22σ表示包含较大解释变量的子样本方差，