Professional Documents
Culture Documents
Eksamensnoter Til Advanced Microeconometrics
Eksamensnoter Til Advanced Microeconometrics
Januar 2011
Side 1 af 63
Januar 2011
Indhold
10
10.1
Fixed effects....................................................................................................................................... 7
FD metoder ........................................................................................................................................ 9
Sammenligning ................................................................................................................................ 10
11.1
Oversigt............................................................................................................................................ 11
11.2
11.4
11.5
11.6
Specielle ........................................................................................................................................... 15
M-estimation ............................................................................................................................................ 16
12.1
Setup ................................................................................................................................................ 16
12.2
12.3
12.4
Varians-estimation ........................................................................................................................... 17
Januar 2011
Optimerinsgalgoritmer ..................................................................................................................... 21
13.1
13.2
Testning ........................................................................................................................................... 21
13.3
Panel ................................................................................................................................................ 22
GMM ........................................................................................................................................................ 24
14.1
14.2
15
15.1
15.2
15.5
15.6
Januar 2011
15.7.3
Logit: unobs eff og streng exo (FE logit, skodnavn) ................................................................... 33
15.7.4
Dynamic unobs.eff (state dependence) ........................................................................................ 33
15.7.5
Andet ........................................................................................................................................... 34
15.8
16.1
Tobit ................................................................................................................................................. 37
16.3
Endogenous...................................................................................................................................... 39
16.4
16.5
17.1
17.2
Januar 2011
18.1
Noten................................................................................................................................................ 52
18.2
18.3
18.4.1
ATE skrevet som funktion af p, som estimeres med probit ........................................................ 60
18.4.2
Regressr y p w og p-hat............................................................................................................ 61
18.5
Matching .......................................................................................................................................... 61
18.6
IV-metoder ....................................................................................................................................... 61
Side 5 af 63
Januar 2011
Side 6 af 63
Januar 2011
Proxy
IV (2SLS)
Indikator-IV
PANEL
Antager ! er tidskonstant
BEMRK tidskonstante !"# er kan ikke identificeres separat fra ! .
Antager balanceret panel ubalancerede hndteres senere.
EKSOGENITET
Streng eksogenitet :!" !! , , !" , ! = !" !" , !
Hvis vi kun betinger p er !" !! , , !" = !" + ! !! , , !" ,
dvs. kvivalent med streng exo ! !! , , !" = !
BEMRK
-
desuden giver -lags ser.korr. i composite error term pr. konstruktion ! !!! = ! > 0.
FREMGANG 2 sprgsml
1) Er ! korreleret med !" for noget ?
2) Holder streng eksogenitet (betinget p ! )?
NAVNGIVNING
Random Effects ! , ! =
Fixed Effects ! , !
!" ! , ! = 0
b. ! ! = ! = 0
i. Tilstrkkeligt for konsistens !! ! =
ii. ! = 0 er without loss of generality nr der er intercept.
2) Rank rank !! ! = , hvor ! !! .
For efficiens ANTAG YDERLIGERE
3) Efficiens af RE
a.
! !! ! , ! = !! !
b. !! ! = !!
Da er = !! ! + !! ! !!
ESTIMATION
Side 7 af 63
Januar 2011
!! !! !
!" =
!! !! !
!!!
!!!
!!
!! !
!" =
!!!
hvor
!
1
=
! ! ,
1
!!! !!!
2
Frste trin baseres p pooled OLS.
!!
!!
1
=
!
!
!"
,
!! = !! !! ? ?
!!! !!!
(hvilket svarer til at teste ser.korr. i !" , dvs. AR(1)-test, men bedre at teste direkte p !! )
PROBLEM hvad er !! ?
LSNING streng eksogenitet giver
!
!!!
!
!!!
~ 0,1
!!" !"
= rank !! ! =
!! !
!" =
!! !
!!!
Januar 2011
!!
!!" !"
!!!
!!" !"
!!! !!!
!!!
PRAKSIS
Premultiply med ! ! !! ! ! =eye(T) T^-1 * ones(T,T).
NAVNE
-
LSDSV
!
!!! 1
Viser sig FE = Least Squares Dummy Variable Estimator !" p dummies for personer,
svarer til at estimere ! for alle men medfrer ikke incidental parameters problem ( stadig kons.).
-
10.2.1
Inferens
INFERENS
!"
1
= !! !! !
!!
!"
1
= !!
!! !
!!!
!!
!
!!!
1
= !!
!!
!! !
!!! !!!
!
!"
= 1 !! . Da er
!! = !! (unbiased).
!
!!!
!" =
!!
!! ! !
!!
!!!
Side 9 af 63
!
!!!
Januar 2011
!
!!! ! ! .
!!
!
! !!
!!! ! !
3) Estimr !"#$%
!
! !!
!!! ! !
ALTERNATIV
-
(dvs. hvis det var givet at man ville deltage, bare ikke hvornr??)
10.3 FD
metoder
!" = !" + !" , = 2,3, ,
ANTAG
1) !" ! , ! = 0
a.
Som FE.1
! !!
a.
!!" !"
! , ! =
! !!
=
= !! !!! , hvor ! = ! (kun ndv. for efficiens af FD)
Vi mister n periode!
Egentlig skal !" bare vre ukorr. med !" , !,!!! , !,!!! fr vi fr konsistens!
VIGTIGT
-
Januar 2011
Inferens
OBS! Ikke ndvendigt at tnke s meget som i FE alm. inferens @ POLS p et data er valid.
-
(huskeregel: I FD har vi af 2 stok var selv stok var alle antagelser laves p den. I FE har vi stok
var minus noget, som bliver deterministisk nr )
!" = !! !
!!
Robust !" = !
!!
!"!
!!! !!!
!
!! ! !!
!!
!!
!!!
alm. -test af ! ! = 0.
10.4 Sammenligning
10.4.1
FE vs. FD
= 2 FE = FD
> 2: valget afh. af antagelser om !"
OBS! Endogenitet (mlefejl, tidsvar.udeladte, simultanitet) bde FE & FD inkons med hver sin plim!
TEST STRENG EXO
IDE hvis FD (el. FE) modellen er korrekt og ! = !! , !! , br !! vre insign (den er taget hjde for).
! = ! + !! + ! ,
-
! str exo =
FE og RE quasi time-demeaning
=1
1+
-
= 0 POLS
= 1 FE
!!
!!
Side 11 af 63
Januar 2011
Inkludr dummies for grupper der er meget ens, dvs. som har ens ! er.
Hausman:
sammenligning
af
RE
og
FE
! !" , ! = 0
ULEMPER
1) Streng eksogenitet antages bde under ! og !
2) RE3 antages at holde under ! . Dvs. vi tester ! RE.1 RE.3 . ! FE.1
a.
!" !"
!"
!"
Test-str. er:
Hausman = !" !"
!" !"
!!
!
!" !" ~ !
MEN brug !! fra et framework, ikke fra hver sit ellers risikeres, at den bliver ikke-pos.def.
1 VARIABEL
!!" !!"
~ 0,1
. . !!" . . !!"
BEMRKNINGER
-
kan klares @ aux regression af quasi time-demeaned (q.t.d.ed) !" p q.t.d.ed !" samt en alm. (FEstyle) time-demeaned !" (de tidsvarierende elementer i !" ).
-
kan evt. gres robust for RE3 i denne setting brug robust Wald.
Foretrukket model
!" !! , , !" , ! = 0
! !! , , !" = ! = 0
!" !! , , !" , ! = 0
! !! , , !" !
!" !! , , !" , ! = 0
!" !,!!! , , !" , ! 0
! !! , , !" !
Januar 2011
RSAGER (alm.)
1) Udeladt tidsvarierende variabel
2) Simultanitet mellem !" og !"
!!" !"
3) Mlefejl i !"
SKAL BRUGE instrument !" ukorr med ! og !"
nogle gange kan panel-aspektet bruges
-
= 1, ,
Nr !" og ! er kontrolleret for, hjlper det ikke yderligere at kontrollere for fortiden af !"
BEMRKNING
-
FE OG FD ER INKONSISTENTE!
-
11.2.1
MEN hvis yderligere det antages at !" , !" er weakly dep., er inkons af odten !!
Instrumentering
!!" !"
= 0,
= 1, ,
= 1, , 1
(alle) laggede niveauer (og funktioner heraf, fx er) (op til 1) kan instrumentere !"
bl.a. !,!!! instr for !" (husk, eneste problem er (!,!!! og !" ).)
BEMRKNINGER
-
Januar 2011
Arellano & Bond (1991) Bruge alle tilgngelige som IV @ GMM (ej muligt i 2SLS da #instr varierer
med )
Blundell & Bond antog ! trukket fra steady-state distr. hjlper p efficiens, men realisme??
!!
!
past
!!
past
!,!!!
Model: !" = !" + !" + ! + !" skriv op en ligning for !" = !" + ! !,!!! + ! + !"
-
!
klart at !,!!! !" = ! !" !" = ! !"
> 0.
FD + IV FD fjerner ! , men inducerer muligvis endogenitet hvis ! 0 (dvs. nr !" ej str., men kun
seq. exo)
-
11.2.2
!" kan vre sit eget instrument brug !,!!! (!,!!! ) som instr for !" (!,!!! ).
!!" !"
3 mulige ophav:
1) Udeladte tidsvariante forklarende variable
2) Mlefejl
3) Simultanitet
a.
(kan alternativt lses ved at medtage en ligning for den simultane vars bestemmelse)
FREMGANG
1) Transformr data (FE eller FD)
2) Brug IV af en art hvilke instrer afh. af anvendelsen.
FD bedre end FE
-
Arellano & Bond (1991) foreslr GMM-baseret test for ser.korr. i !" .
Simultanitet
MULIGHED 1 LAGGEDE ER SOM INSTRER
OBS! ! og ! er korrelerede for alle , s !" kan kun estimeres med !,!!! fordi
!,!!! !" = !,!!! !,!!! 0
BEMRK
Side 14 af 63
Januar 2011
simultaniteten kommer nu ikke fra det, at vi lagger, men er med dobbelt (hver gang ! og ! er
sammen)
ALTERNATIVT
-
lagget !,!!! kunne bruges, men det krver, at der ikke er seriel korrelation i !"
(siden !" (i niveau) ikke indgr i ligning kan den mske bruges som IV men formentligt SVAGT!)
= 2, ,
Januar 2011
! = + !! ! + + !" ! + !
-
MEN ! ! (! ) generelt!
INDST
!" = + !! ! + + !" + ! + + !" ! + !" ,
-
FE.1 !" = 0 og
!! !"
!" !" + !
= .
SYSTEM
!!
!!
!"
1
1
!!
!!
!!
!!
!!
!!
!"
!"
!"
!!
!!
!"
!
!
!!
!!
+
!"
! = ! + !
System-OLS er konsistent under FE.1.
MULIGE ANTAGELSER
-
! !! = !! ! system skalar-varians
! !! ! = ! !! system homoskedasticitet
-
1) ! !! ! , ! ! !! !" ej homosked.
HVIS
-
GMM er mest efficient med !! = 1, !! , , !" som instrument for hver tidsperiode og med den
optimale vgtmatrix.
-
11.6 Specielle
11.6.1
Hausman-Taylor
Januar 2011
!! !" = !! ! =
!!!
= !! ! !! ! = !! ! !
= !! ! ! !
! !!
= !! ! !! ! !
!! ! = !! ! !
ANALOGIPRINCIPPET
!!
!! !
!!
!! ! !
!!
!!!
!!!
12 M-estimation
12.1 Setup
, objective function
/!
!
,
/!
,
! ! ,
! ! ,
!
SPECIFIKATION
Modellen er velspecificeret ! ! ! = arg min ,
!
, hvor , ! = .
!
!!
! ,
!!!
! ,
!!!
!!
! , = 0,
!!!
hvor ! , ! , .
Side 17 af 63
Januar 2011
IDENTIFIKATION
!
!!
! ,
! ,
!!!
! .
= arg min
!!
! , ;
!!!
Trin 1: Estimr ,
Trin 2: Estimr .
NSKE konsistent uanset, hvordan vi vlger .
!!
Normal 0, !!
! ! !
hvor
! , !
! , ! , !
, !
Dermed er
1 !!
!!
! ! !
!!
, ! , ! ! , !
=
= , !
!!
12.4 Varians-estimation
12.4.1
Uden nuisance
! , ! ,
!!!
! ! ,
!!
!!!
! afh. af humr:
2 TILGANGE
1) Hndvrkertilgangen udregn samt ! , indst = og tag sample avg.
Side 18 af 63
Januar 2011
Udnyt fx , ,
i. Udregn
= ,
! s
=: , ,
ii. Udregn , , =: ,
iii. Udregn !!
!
!!!
! , =: .
b. smart hvis betingning p giver en simpel form (fx i probit bliver led = 0)
Analogiprincippet
Brug Analogiprincippet til at estimere
!! !!
med
!
!!
! ,
!!!
!!!
DVS
1) Udregn lukket-form udtryk for og som funktion af ! og
a.
NEGATIVT tung at regne, ej sikkert pos.def men den er det hvis unikt lser sample problem.
2 VERSIONER
1) Antag fordeling for hele integrr blot ud og indst ! =
2) Antag kun fordeling for | integrr betinget p og tag sample analogue for at slippe af med
betingningen p .
Strukturel
tilgang
evalur
forventninger
Givet en fordeling for , kan vi blot udregne direkte:
-
! som ! og ! , ! ,
! som ! .
OVERVEJELSER
-
POSITIVT efficient!
= ! ,
S analogiprincippet motiverer
Side 19 af 63
Januar 2011
!
!!
!
!!!
SMART ofte vil nogle ting blive nul i betinget forventning (fx i NLS: = 0.)
12.4.2
!!
! ,
!!
!!!
!!!
Alternativt:
!
!!
! , ! ;
!!!
hvor ; ! , ; med .
! ! ; ! ! ; + ! !
hvor = !
hvor !
!
!!! !
= (og !
+ ! 1 ,
= ! ! ;
BEMRKNINGER
-
MEN det er ! ikke! (den bliver interageret p kryds og tvrs pga. ^2)
Wald
!
! ! = ,
Testes ved
Wald
hvor
-
Jacobi-matricen for ()
(skal vre invertibel)
ULEMPE
-
Ikke skalainvariant problem (primrt/kun?) ved ikke-linere hypoteser: man kan omformulere !
indtil man fr den nskede konklusion.
Side 20 af 63
Januar 2011
FORDELE
-
12.5.2
LM
Fx ! , ! , !
!
!!!
!
!
! ,
og .
!! ! !! !! !
!!
!!
!!!
!!!
!
!" | =
= !! , !
! ,
!!!
og !! 1)
!!!
2 !! =
! ,
!!
!
!!
!!!
1 !! =
! ,
! !!
3 !! =
!!!
!!!
ULEMPER
12.5.3
= !! , !
!"# 2
!
!
! , ~ !!
! ,
!!!
og !! 1
!!!
ULEMPER
-
Side 21 af 63
Januar 2011
12.6 Optimerinsgalgoritmer
MANGLER DETTE AFSNIIT
= !
! ! ! !
(og hvor ! ! , ! , .)
Under regularitetsantagelser (bl.a. antagelse om korrekt specificeret model) holder teorem 13.2 (p. 395)
!
, !!
!
(fordi ! = ! i ML sammenhnge)
-
!!
!!
Dvs. = !!
! / i stedet for = ! ! ! / som i teorem 12.3.
Alle flg. 3 matricer konvergerer til den sande Avar (p. 396) baggrund: ! = ! i ML
!!
1 !!
!!
2 !!
!!!
! !
!!
3 !!
!!!
! ,
!!!
KOMMENTARER
-
Bemrk, at , i visse tilflde er simpel selvom ! er bvlet (fx probit, p. 396), idet der betinges p ! ,
s nogle led bliver nul i forventning.
13.2 Testning
OBS asymptotisk kvivalente! Kun finite-sample overvejelser
Wald
LR
(Like-ratio ala -test, mere kompleksitet skal dlme give mere forklaringskraft!)
Lad
!
!!! !
Januar 2011
!" 2 !" ! ~ !
LM
(hvor langt er hldning fra nul, dvs. hvor slemt overtrdes FOC?)
Lad ! ! vre 1 vektor af afledte af ! evalueret ved de restrikterede estimater.
Da vil
!
! !
!!!
~ ! ,
!!!
13.3 Panel
Lad ! ! vre den sande pdf. for ! givet ! .
!
!!!
!" !" .
Men vi antager, at ! ! ! ; er en korrekt specificeret pdf for ! for hver periode, , isoleret set.
Smart teoretisk figumdik
Definr det partielle likelihood bidrag som
!
for ethvert .
Bemrk mske er der information i afhngighedsstrukturen inden for individet over tid, men vi antager
intet om det og udnytter det ikke.
13.3.1
1) Integrate out !
Frst antag !" og !" er uafh. betinget p ! , ! .
Da er den simultane tthed for !! , , !" givet ved
!
!! = ! , , !" = ! |!" = ! , ! = =
! (! |! , ; )
!!!
Og log-like er
!
! = log
! !!!
! (! |!" , ; ) ! ;
2) PMLE-agtig tilgang
Side 23 af 63
Januar 2011
! ! !" , ; ! ! ; !
Nu vlger vi
!
PMLE
PMLE
= arg max
,
log
!!! !!!
! ! !" , ; ! ;
!! = ! , , !" = ! !" = ! , !! = ! , ! = =
! ! ! , !!! , ; !
!!!
log
!!! !!!
! ! ! , !!! , ; ! , ! ;
Her er betingningen p !
KOMMENTARER
-
ASYM VAR justr for at tage hjde for at begge params. estimeres.
Side 24 af 63
Januar 2011
14 GMM
14.1 Efficiente
instrumenter
(14.5.3,
pp.
439-442)
Lad ! ! ! , ! ! og ! ! ! ! , ! ! . Da er det optimale valg
opt ! !
!!
! ! ,
Reduced form; !
>
Function ! ! maps =
METHOD
-
Estimate
KOMMENTARER
-
Januar 2011
= 1 > 0
= 1 = > 0 = > = 1
= ,
! sym
= = 1 =
KOMMENTARER
-
Indekse
!
Probit =
!!
Logit =
!
1 + !
Fortolkning af ! erne
= 1
= ! ! ,
!
Partial effects depend on
= 1 ! = 1 = 1 ! = 0 ,
Relative coefficients make sense
15.2.1
! kontinuert
! diskret
!
!
Like bidrag
! = log ! ! ; = ! log ! + 1 ! log 1 !
Log-like
function
=
!
!!! !
! ! !! ! !
! 1 !
og
! , ! ! =
S
!
!!!
! !
! !
! !
! 1 !
! , .
KOMMENTARER
-
Muligt med Huber-White robuste s.e.er MEN hvis er misspec. s er ogs (ligger i
naturen af ML).
-
!
!
!!! !
og !
!
!!!
! , .)
Side 26 af 63
Januar 2011
! =
Lad ! ! ! , ! ! , ! ! ! ! ,
Da er LM = fra reg af
!!
!! !!!!
!!
!! !!!!
! og
!!
!! !!!!
HVIS ! ER IKKE-LINER
!
15.3.1
! !!
Hetsked
~ 0,1
exp 2!
s vi omskriver
= 1 = > = ! > ! = > ! = !
LM test
-
Pseudo ! , hvis !" = log-like fra unrestricted, ! = log-likelihood i model med kun intercept.
!"
1
!
std.fejl fs vha. Delta-metoden (2. ordens lokal Taylor) (se p. 467 for detaljer)
train
= train + train train + train + train
car
= car + car car + car + car
Side 27 af 63
= train
car
= 1 train car
+ train car = +
car
train car
og s kan vi kre helt alm. probit p den med reglen: Vlg bil hvis > 0.
c
og
x
uafh.
STRK antagelse
Antag ~ 0, ! , da er + ~ 0, ! ! + 1 .
Attenuation bias: plim uden !
probit = ! /
PROBLEM
nsker Partial effect:
!"
!!!
= ! +
= ! + =
og
!
c
og
x
ikke
uafh.
S er probit generelt inkonsistent
15.6.2
Antag
! = ! ! + ! ! + !
Mistnker ! , ! 0. Skriv
! = ! !" + ! !! + ! = ! + !
! = 1!! !!
-
! ! ingen endogenitet
Side 28 af 63
Januar 2011
1
!
!
!!
! ~ 0,1 !!
! ! + ! ! + ! !
1 !!
!
!
!!! !!
3) Probit ! p ! , ! , ! !! , !! , !!
4) Udregn
!
som vil
!!
! !
!!
!
!! ! !! + !! ! + !! !
+
+1
!!
! !
!!
!
+1
1
0
,
!
0
! 0 ! endo.
!
!!
FREMGANG
Side 29 af 63
Januar 2011
Udnyt ! , ! = ! ! , !
Ad ! Antager ! ~ ! , !!
! =
!
!!
!! !!
!!
Ad ! ! ,
-
! = ! ! + ! ! + ! /!! ! ! + ! =: + !
! |, ! ~ , !
udregninger = 1 !! = 1 ! , !
Ad ! ! , !
! , ! = !
hvor !
!!
1 !
!! ! + ! !! +
!!!!
1
! !
,
!
!
!
! !
! !!
1 !!
!!"# !! ,!!
!
!!! !
1
1 !! ! !
log !!
2
2
!!
! ! = 0
KORT FORTALT
-
! er grim!
LANGT FORTALT
! = 1 ! ! + ! ! + ! > 0
! = 1 ! + ! > 0
-
! ! + ! ! + ! !
1 !!
Side 30 af 63
1
!
Januar 2011
!
!!
1
1 !
! !
!
!!
! !
15.6.4
Hetsked
Antag ~ 0, ! i latent-variabel-formuleringen: = ! + ! ! +
!
!
= 1 ! = ! /! + ! ,
= !
+ !
!
!
!
Non-normalitet
S er probit inkonsistent
15.6.5
Men hvis fx det er fordi logit er den sande model, kan /! godt vre ret tt p.
Manskis
maximum
score
estimator
estimation
under
svagere
antagelser
Antag = 0,
(og bemrk, at = = 1 > 0 )
-
Manski = min
! 1 ! > 0
!!!
Fordele:
-
Ulemper:
-
Konvergerer med rate !/! (selvom Horowitz (1992) har en smoothed version med nsten !/! .
! = !! , , !!
Side 31 af 63
Januar 2011
Pooled estimation
Model:
!" = 1 !" = !" ,
= 1, ,
Wald =
LM = LM
!
!
!!
!
!!! !
!! ! !! !! !
!!
!!
!
!!! !
!!
DYNAMIC COMPLETENESS
!" = 1|!" , !,!!! , !,!!! , = !" !"
alm. inferens
-
ANTAGELSE
!" = 1 !! , , !" , ! = !" = 1 !" , ! = !" + ! ,
= 1, ,
Dvs. !" er strengt eksogen betinget p ! (specielt indeholder !" nok lags osv, altsdyn.compl.)
BERTELs noter ingen lagged dep.vars !,!!! siden !" ville vre perf. korr. med dem (?!?!?!)
MULIGE METODER
-
ANTAGELSER
! , , ! , ; =
3) ! |! ~
Januar 2011
!
!!!
! ! , ;
0, !!
! ! && ! ~
METODE integrr ! ud af !
! ! , ; = ! +
! , , ! ! , ; =
! , , ! ! , ; = !
!!
!
!!!
1 ! +
!!!!
! ! , ;
!
!!!
! ! , ;
!
!!!
! ! , ;
!
!!
!
!!
Men hvorfor kan de pludselig det her nr de ikke kunne i alm. unobs.eff.??
INDSKUD integration
Numerisk @ quadrature
Simulation @ int tage forventning
1) Trk std.normaler ! , = 1, ,
2) Beregn !! ! !
3) Beregn
!
!!!
!
!!! !
!
!!!
!
!!!
!" !" , !! ,
SVAGERE ANTAGELSER
-
!" = !" + ! + !" , hvor ! ~! , ! , hvor ! tillades fuld frihed i off-diagonal (og 1er i
diagonalen)
ML tillade sammenhng ! !
Antag ! |! ~ + ! , !! ,
! = !!
!
!!! !" .
Error form ! = + ! + ! .
Indst i ligning:
!" = + !" + ! + ! + !" ,
! |! ~ 0, !!
Januar 2011
muligt at droppe antagelsen !! !" |! , ! s skal inferens dog gres robust for
arbitrr seriel korrelation.
S kan vi dog kun finde APEs ved at integrere ! ud (hvilket i praksis kommer ud p at
integrere ! ud (dvs. average den ud, da den observeres)
BEMRKNINGER
Hidtidige udledninger afhnger kritisk af, at !" er strictly exogenous conditional on ! .
dvs. fx ingen lags af dep.var. !
15.7.3
TEST for streng exo add bare nogle lags og se om de bliver sign.
Logit:
unobs
eff
og
streng
exo
(FE
logit,
skodnavn)
NEDERN ik muligt at specificere tthed for ! s vi (nemt) kan integrere ! + mht. den.
OPTUR muligt med FE/FD-agtig approach! viser sig at ! falder ud nr vi betinger p
-
!
!!! !"
svedig feature ved logit-formen gr det muligt at f en funktionel form, der ik afhnger
Log-like i = 2 tilfldet:
! = 1 !!!!!!! !! ! log !! !! + 1 ! log{1 !! !!
-
OBS! Kun observationer, hvor !! + !! = 1 bidrager, dvs. obs. hvor = 1 eller = 0 i begge r duer
ikke.
NAVN fixed effects logit SKODNAVN, intet at gre med FE probit, som ser ! som paramter.
FORDEL
-
= ! + .
ULEMPER
-
Forudstter !! !" |! , !
15.7.4
Grundlggende model
!" = 1 !,!!! , , !! , !! , ! , ! = !" + !,!!! + !
BEMRK
-
Side 34 af 63
Januar 2011
! , , ! ! , , ; =
! !!! , , ! , ! , ;
!!!
!!
! + !!! +
!!!!
1 ! + !!! +
!!!
! , , ! ! , ; =
!!!
! !,!!! , !! , !
!
!
b. I PRAKSIS
i. Alm. Chamberlain probit, hvor !! og ! tilfjes i alle tidsperioder
c.
!!/!
(-subscript viser
!
! + ! ! + ! !!
+ !! !! + ! !
!!
!!!
15.7.5
Andet
Semiparametriske metoder
-
Cluster samples
-
Multinomial logit
exp !
1+
!
!!! exp
= 1, ,
1
1+
!
!!! exp
!
Side 35 af 63
Januar 2011
! ,
! ,
= ! ,
log
! ,
! ,
= ! !
LIKELIHOOD
!
! =
1 ! = log ! ! ,
!!!
15.8.2
Primarily, well look at conditional logit, but conditional probit is a nice extension (although it has some
computational issues)
Conditional
logit
Derived from underlying utility-maximization model
= 0, , , = 1, ,
Dvs. ikke udd, erfaring, men ok med pris p o.lign. karakteristika for
hndterer en helt anden type data valg af alternativ skal afhnge af karakteristika ved
netop .
! ! ! = ! =
exp !"
!
!!! exp !!
RESULTATER
egen-marginal-eff
!
= ! 1 ! ! ,
!"
kryds-marg-eff
!
= ! ! ! ,
!!
= 0, , , = 1, ,
, = 1, ,
BEGRNSNINGER
Independence of Irrelevant Alternatives
! !
exp !
=
! !
exp !
Januar 2011
LSNINGER
1) Multinomial probit (= conditional probit)
a.
I !"
tillades !! , , !" ~!!! , , hvor kovarianser er urestrikterede.
Dog: simulationsmetoder
Id indfr 2 lag frst vlger man mellem grupper, derefter vlger man inden for de enktelte
grupper (betinget p at vlge gruppe , er der conditional logit blandt alternativer i den gruppe.
|~ 0,1
Del op
falder blandt < ! < ! < < ! <
= 0 hvis ! ,
= 1 hvis ! < ! ,
= hvis > !
Response probs:
= 1 = ! = !
= = !!! !
= = 1 !
INTET INTERCEPT i erne spiller rolle af intercept (for = 1 er ! = interceptet)
Loglike
! , = 1 ! = 0 log ! !
+ + 1 ! = log !!! ! ! !
+ 1 ! = log 1 ! !
(og vlg som sdvanligt , = arg max, , med , =
RESULTATER
!
=
!!! !
!
!
!
!!! !
, .
= ! !!! !
Valg kan tillgges tal, fx hvor mange % stter du i aktier, 25%, 50% eller 75%?
-
INTERVAL-KODET DATA
Samme id, men teknisk bvl
OBS! Nu giver faktisk mening, og ! har fortolkning som om det var OLS!
Side 37 af 63
Januar 2011
a.
2) Corner solutions
= max , 0
a.
16.1 Tobit
= + ,
= max , 0
ANTAG |~ 0, !
16.1.1
~.
Estimation
> 0 ! = !
Cond.log.like
! = 1 ! = 0 log 1
+ 1 ! > 0
log
! !
1
log !
2
INFERENS
16.1.2
Alm. MLE
Quantities of interest
Afh. af model:
-
UDLEDNING
-
, > 0
-
> =
Derfor > =
> =
! !
! !
>
!
!
!
!!! !
! !
!!! !
! !/!
!!! !/!
/
= + /
/
!inverse Mill's
Side 38 af 63
Januar 2011
= 0 0 + , > 0 > 0
= + / / = / + /
-
PARTIAL EFFECTS
= !
!
, > 0
= !
!
!;!
= !
= ! > 0
!
BEMRK
-
Fra NOTERNE:
RESULTATER
-
ANTAG |, ~ 0, !
PROBLEM skal hndteres eksplicit
LSNING integrr ud, dvs.
ANTAG har pdf.
= !| ,
, ,
kont
, ,
diskret
!!!
Side 39 af 63
EKS
-
!
!!! !
Januar 2011
, = hj
1 , = lav
!
Kont: | ~ 0, , + ~ 0, ! ! + 1 pga. .
Diskret: =
& ~
16.3 Endogenous
Som for discrete choice
m antage mere struktur den endogene, ! , antages ! = ! !" + ! !! + !
antag s ! , ! ~ ! ,
-
1
!
!
!!
Tobit 2-step (Smith-Blundell) estimr reduceret form for endogene ved OLS inkludr
residualer (dvs. tobit af ! p ! , ! , ! )
TEST i begge settings testes ! = 0 (eller ! = 0 efter parameterisering) via alm. -test.
-
DOG ML en del tungere beregningsmssigt estimr Smith-Blundell frst og test endo i den.
Powel estimatoren
ESTIMATION
Side 40 af 63
Januar 2011
! max 0,
!!!
M-ESTIMATION
-
RESULTATER
Censored:
-
Corner solution:
-
PROBLEMER
Criterion function er diskontinuert ved = :
Desuden
!!
!!! !
= 0.
16.5.2
Estimr median-reg p fuldt sample fjern < 0 estimr med-reg fjern < 0
= 0 = 1 , og log |, > 0 ~ , ! .
Side 41 af 63
Januar 2011
= 1, , , = 1, ,
Fordi ! =
!
!!!
!" !
!
!!! !"
og ! =
!
!!! !"
, s ! afhnger af corr.
= !!
!
!!!
!
!!! lol!" ,
= !!
!
!!!
!
!!! !"
(bedst hvis
! + !!
!
!!!
!
!!!
!
!!! !"
POSITIVT
-
Laggede i !" er ok
16.6.2
TEST medtag flg. 2 vars i alm. Tobit 1 !!! = 0 og !!! 1 !!! > 0 test samtidig
ANTAG !" |! , ! ~
-
0, !!
streng exo, , , ~
MULIGHEDER
1) Estimr ! incidental parameters (dvs. at ogs konsistensen af ) delgges.
2) Antag Random Effects tobit; Chamberlain-tilgang
3) Eliminr ! ved transformation @ Honor (1992)
Random
effects
tobit
antag
pdf
for
c
!" = max 0, !" + ! + !"
ANTAG
-
!" |! , ! ~ 0, !! !" ! !" !" , dvs. streng eksogenitet (udelukker noget fra )
! = + + ! ,
! ~ 0, !!
-
!!
!
!!! !"
og ! !"
dvs. ! |! ~ + , !!
!" = max 0, !" + + + ! + !" ,
Januar 2011
! + !" ~ 0, !! + !!
IDENTIFICEREDE params , , , !! , !!
PRAKSIS
-
Alm. tobit, hvor medtages i hver periode (evt. kan = ! , , ! bruges for at blive mere generel,
men det er tungere beregning)
RESULTATER CENSORED
-
RESULTATER CORNER
-
VIDERE
16.6.3
BEMRK
-
Kr bare random effects tobit med regressorne: !" , !,!!! , !! og ! inkluderet i hver periode.
MODEL
|, ! ~ + ! ! + , !!
! , !!! , , ! , ; ! !
! + ! !!! +
= 1
!
! !! !!
1
! ! + ! !!! +
!
!
Side 43 af 63
! !! !!
Januar 2011
! , , ! , ! =
!!!
! ! , !
Truncation selektion p forklaret variabel fx ser kun om folk har job for folk, der har et job
Adfrd
a.
Non-response
= 0 kun ! observeres
= 1 bade ! og ! observeres.
ML
VISE , =
=0 .
ANVENDELSER (eksempler)
MULIGHEDER for selektion
1. er en (deterministisk) function af ! alene = !
a.
ingen problemer, da ! ! , !
= ! ! = ! ! uanset !
b. ! , ! ! ! , = ! ! = 0
Side 44 af 63
Januar 2011
! !!!
! !!!
= ! ! + ! !
HECKMAN 2-step
i. 1) estimr probit af ! p ! = !! , !! (p fuldt sample),
ii. 2) OLS af ! p !! og ! ! / !
b. 2-step
i. 1) Estimr censoreret Tobit af !! p ! residualer !!
ii. 2) OLS af p og ! for de selekterede (dvs. med > 0)
17.2.1
Strukturel model ! ! ; !
Selektionsmodel ; !
UDNYT (hvor ! , ! )
! , ! ; = ! , ! ; ! ; !
17.2.2
!!
Robust var-estimator (!!
! ! ! ) er valid ingen generated-regressor problem
a.
Numerisk tung
17.2.3
TEOREM 17.1
model = + , instrumenter
Random sampling nok at antage ! = og estimere med 2SLS p med instr .
Selection @ 0,1
-
ANTAG , = = 0,
2SLS af p med isntr , hvor kun det selekterede sample bruges vil give konsistente estimater.
Side 45 af 63
Januar 2011
Ad 3: Truncation (selektion p y)
Selektionsligning
! = 1 ! < ! < !
ANTAG fordeling for | er kendt, dvs. en pdf ! ; , og cdf ! ; , er givet.
IDE s kan vi finde ssh. for ! ! ; !
lad ! ; ! |! , ! = 1 = ! ! , ! = 1 =
=
! , ! = 1 !
! < ! !
=
! = 1 !
! < ! < ! !
! ! !
! ! ! !
! , ! = 1 =
!
|! , ! = 1 =
,
! ! ! !
17.2.5
2)
! , ! med ! = ! = 0.
-
3) ! ~ 0,1
-
! = 1 ok da ! ikke observeres.
4) ! ! = ! !
-
ESTIMATIONSLIGNING
Pga. selektion kan vi kun hbe p at estimere ! , ! = 1 og ! = 1| , men se, at
! , ! = ! ! + ! , !
!! ,!! !
! ! + ! ! = ! ! + ! !
Januar 2011
!
! ,
!
TEST
! intet selektionsbias ! = 0
-
Testes @ std. -vrdi da ! alm. OLS asymptotik holder selvom en var. for meget tages med
BEMRKNINGER
-
UDVIDELSE
-
udnytter igen Bayes til at opskrive betinget p ! ud fra ssh. for ! givet ! over ssh. for ! generelt:
! ! , !
! ! , =
!
17.2.6
ANTAG
1)
2)
! , !
3) ! ~ 0,1
4) ! ! = ! !
5) ! ! = og i ligning 2 er ! = ! !" + ! !! hvor !! .
BEMRKNINGER
-
OBS! Vi skal have vars i ! som bestemmer selektion og den endo (relevans), men ikke ! (exo)
UDLEDNING
TRICK:
Side 47 af 63
! !! ,!!
Januar 2011
!
!! !! !! ,!!
Eks. ! = 1 deltage i program . Id til instr: hvis man blev indstillet tilfldigt (men stadig
forsk. ssh. for at deltage p bgg. af )
! exo men manglende somme tider (non-response) modellen duer stadig, ! skal instrumenteres.
1
!
!
1
PROCEDURE
1) Estimr ! ved probit af ! p (for hele sample)
2) Indst i ! = 1 , ! = 1 =
17.2.7
!!
!!! !
! ! + ! ! 1 !!
! ! (jf. probit)
MOTIVATION separat variation i ! vi kan sige hvor langt man er fra selektion mere efficient
EKSEMPEL ! = timeln, ! = #timer arbejdet p.a.
! = ! ! + !
! = max 0, ! + !
ANTAG
1)
2)
! , !
3) ! ~ 0, !!
4) ! ! = ! !
Side 48 af 63
Januar 2011
BEMRKNINGER
-
UDLEDNING
! , ! , ! = ! ! + ! !
ID hvis ! observeres kr OLS p selekteret sample
MEN ! kan estimeres konsistent for de med !! > 0, som netop er de selekterede !! !! ! !
for selekteret.
PROCEDURE
1) Estimr ! ved tobit af ! p for hele samplet. Udregn !! .
2) Estimr ! ved OLS af ! p ! , !! .
! ingen selektionsbias ! = 0 @ alm. -test
BEMRKNINER
-
Efficiency gain intuitivt klart, vi kan se, hvor langt folk er fra de-selektion.
! = !! log !! ! , !! ; + log !! ! ; ! , !!
17.2.8
! !!! !!
> 0 !
! !!! !!
ANTAG
1)
2)
! , !
3) ! ~ 0,1
4) ! ! = ! !
5) ! ! = og i ligning 2 er ! = ! !" + ! !! hvor !! .
UDLEDNING (som for probit med endo)
! = ! ! + ! ! + ! ! + ! ,
-
! ! ! !
her er ! ! = 0 pr. konstruktion 2SLS p selekteret sample er ok, hvis ! kan medtages estimr
@ Tobit.
PROCEDURE
1) Estimr ! ved Tobit af ! p . Udregn !! !! ! ! for selekterede .
2) Estimr ! ved 2SLS af ! p ! , ! , ! og vha. instr ! (for sig selv), ! (for ! ), ! (for sig selv) p
selekterede sample
! ingen selektionsbias ! = 0 @ alm. -test
Side 49 af 63
Januar 2011
BEMRKNINGER
-
RESULTAT
-
hvis !" ! , ! , ! = 0 kan vi uden videre bruge formlerne med OLS p transformeret data, hvis vi
bare ogs ganger !" p hver gang (fx !" = !!
!
!!
! !" !" !"
!!
!
!!
)
! !" !" !"
MODEL
!" = !" + ! + !" ,
= 1, ,
ANTAG
1) !" ! , ! , ! = 0
2)
3)
!
!!!
! !!
( ! ! , ! )
er invertibel
! , ! , ! =
(alm. rank-condition)
!! !
BEMRK
-
RE analyse krver ! ! , !
ESTIMATION
-
!
!!! !"
!" =
!!
!!
!!! !!!
!!
!" = !!
!!! !!!
!! !
!!
!
!
!" !"
! 1
!!!
!!
!!
!!! !!!
BEMRKNINGER
-
Side 50 af 63
Januar 2011
! ! , hvilket sparer p
parametrene)
MODEL
!"! = !"! ! + !! + !"! ,
!"! = 1 ! !! + !"! > 0 ,
= 1, ,
!"! |! ~ 0,1
PROCEDURE
1) Probit !"! p ! (eller ! ) fuldt sample. Udregn !"! ! ! (eller ! ! .
2) FE af !"! p !"! og !"! selekteret sample. ! ! = 0 @ alm. OLS.
Incidental
truncation
under
HA:
selektionsbias
ANTAG
1) !"! ! , !"! = !"! !"! = !! !"!
2) !! ! , !"! = ! ! + !! !"!
PROCEDURE
1) Probit !"! p ! for hvert og gem !"! for alle , .
2) Pooled OLS p det selekterde sample af !"! p !"! , ! , !"! , 2! !"! , 3! !"! , , ! !"# .
BRUG robuste var-estimatorer
Incidental
truncation
Tobit
selektionsligning
!
Hvis selektion i stedet sker p baggrund af !"! = max 0, ! !! + !"! hvor !"! |! ~ 0, !!
kan vi mere
Samme procedure som oven for virker, men med !"! erstattet med !"! osv.
I Tobit frameworket kan vi ogs tillade, at !" indeholder !,!!! .
17.3.3
INTUITION flger af, at s vil !,!!! ! for alle (og vi betinger jo hele tiden p ! ).
Attrition man vlger at udg af sample
Januar 2011
= 2, ,
og skriv (reduceret form) ligningen for selektion betinget p selektion i forrige periode
!" = 1 !" ! + !" > 0 ,
-
fx kan !" indeholde !,!!! og !,!!! (ikke !,!!! da den str p LHS for forrige periode corr med
!,!!! ).
ANTAG !" !" , !" , !" , !,!!! = 1 = !" !" , !,!!! = 1 = ! !"
-
PROCEDURE
1) Probit !" p !" ! !" !" !
2) Pooled OLS af ! p !" , 2! !" , , ! !" , = 2, , . Tests er ikke lngere oplagt simple (robusthed
krves).
PROBLEMER
-
Antagelsen udelukker at !" kan pvirke attrition (efter betingning p !" ) tnk: ingen samtidig
pvirkning fra !" til !" nr der er kontrolleret for !,!!! .
LSNING IV
-
Instrument !" , hvor !" !" (dvs. redundant i selektionsligningen) og !" er eksogen i modelligningen
Step 2 i procedure: Lav 2SLS i stedet og instrumentr !" med !" (som fx kan vre !,!!! ).
17.3.4
= 2, ,
!! er en strk nok prediktor for selektion i hver periode til at !" !! , !" , !" ik afh. af !" , !"
-
PROCEDURE
1) Probit !" p !! gem de fittede sandsynligheder; !" .
2) M-estimation p selekteret sample (dvs. gang med !" ), hvor mlfunktionen vgtes med 1/!" , dvs.
!
= arg min
!!! !!!
!"
,
!" ! !"
INTUITION
-
! ! !!! !plim !
,
!
,
!
,
!
UDVIDELSE
-
blvet at hndtere
Side 52 af 63
Januar 2011
, = 1 = 1
UPPER BOUND
-
, = 1 = 1 + = 0
REMARKS
-
Intuition the more observations that are censored, the bigger the problem!
-
18 Treatment
effects
OVERORDNET nsker at estimere = ! ! og ! = ! ! = 1 .
TILGANGE
1) Ignorability of treatment (ATE.1 og ATE.1) regression, matching, weighting estimatorer (og evt.
mixed, som vi ikke ser p)
2) Regression discontinuity design
3) Panel data: difference in differences (og before-after)
4) IV
18.1 Noten
-
nsker vi
kan vi ikke f
= 1 if treated, else = 0.
(cont. or discount.)
!! , !! , ! iid.
Avg. treat eff ! !
Avg. treat eff on the treated ! ! ! | = 1
! , ! = 1 = ! = 1
!! !!
= ! og = 0 = !
Side 53 af 63
Januar 2011
S er = 1 = 0 = ! ! = = ! .
! = 1 = 0 = = ! .
= 1 = 0 = ! + ! ! = 1 ! + ! ! = 0
= ! = 1 ! = 0 + ! ! = 1 = ! ! = 1 !
18.1.1
ATE1: betinget p er ! , !
ATE1: a) ! , = ! og b) ! , = ! .
(selection on observables)
-
nr er partialled out, vil de tilbagevrende faktorer, der pvirker vre uafh. af de tilbagevrende,
som pvirker .
ATE ! = ! ! , = 1 = ! ! = .
COMMON SUPPORT
18.1.2
! = ! + ! ,
! = ! = 0
! = ! ! + ! ! = 1 = + ! ! = 1
-
SWITCHING
ANTAG ! = !
KAN VISE , = ! + + ! , hvor = . Desuden ! ! (evt ik-liner)
ANTAG ! ! OG ! = ! + ! samt ! = ! + !
, = ! + + ! + ! !
-
ANTAG VIDERE !
= !
! ! = ! !
, = ! + ! + + ! + ! !
= ! + + ! +
PROCEDURE
-
! = + !!
18.1.3
!!
!
!!! !
!!
!
!!! !
Regression
discontinuity
= 1 = , hvor er diskontinuert
vi ser p sharp regression discontinuity designs ! = 1 !
Januar 2011
Vi definerer !" = ! ! =
ANTAG
-
! og ! er kontinuerte i
INTUITION !" = gns. ! for dem, som lige akkurat blev treated MINUS gns. for dem som lige
akkurat ikke blev treated
!" = ! ! =
!
!!! !
!
!!! 1
1 ! ; +
! ; +
!
!!! !
!
!!! 1
1 ! ;
,
! ;
> 0 lille
BEMRK
-
Hvis treatment effekten er heterogen er den ikke lig med hverken eller ! !
18.1.4
Before-after
Diff
estimator
IDE sammenligne individ med sig selv!
OBS! Krver paneldata og kan kun estimere ! (avg.treat.of.treated)
ANTAG
-
!,!" ! = 1 = !,!"!! ! = 1
ESTIMATION
-
FRST diff-estimator
! !,!" ! = 1 !,!" ! = 1
antagelse
!,!" ! = 1 !,!"!! ! = 1
dvs. vi estimerer p det treatede sample og tjekker forskellen p ! og ! givet at man p et tidspunkt
bliver treated.
S ER
! !,!!! !,!!! = 1 = = !!! = 1 !!! = 0
! = 1 ! = 0
Indfr controls
!" = !" + !" + ! + !"
FUCK! Hvis folk selekterer ind i programmet er ! !" 0 AHA! BRUG FD!
! = !,!!! !,!!! , = 1
Side 55 af 63
Januar 2011
! , = 1 ! , = 0
=
PROCEDURE
Regressr !" p !" , !" , hvor ! er koefficienten til !" .
BEMRKNINGER
-
18.1.5
+ ! = 1 ! = 0
sorting gain
selection bias
Sorting bias = selection on the gain, forhbentlig treates dem med strst potential gevinst.
ANTAG
-
ATE.2
a) ! = !
b) ! , = !
c) ,
FORKLARINGER
-
Januar 2011
ANTAG
PROCEDURE
1) Estimr i = 1 , = , ; med MLE og f ! (fx probit / logit)
2) Estimr ! = + ! + ! ! + ! ! + ! ved 2SLS med instr 1, ! , ! , ! !
18.1.8
PRAKSIS TNK vi observerer kun , men nsker at tnke det sdan, at der kunne have
vret et andet udfald, hvis havde vret p en anden mde.
ANTAG
-
! , ! , ! , !
! !
(monotonicitet)
()
umiddelbar def ! ! ! ! = 1 = ! ! ! = 1, ! not observed
det viser sig =
=1 =0
=1 =1 =1 =0
ESTIMATION
-
FORTOLKNING
-
= gns. treatment effekt p dem, som ville participate hvis blev ndret fra 0 til 1.
BEMRK
-
Januar 2011
Vi kan ikke observere populationen med ! ! = 1 (dvs. hvor ! = 1 og ! missing) (lige s vel som
Modsat ! er forventning over den treatede del af populationen, som vi kan finde eksplicit.
GENERELT ! ! = 0 =: ! ! ! ! = 1 .
HVIS forudsiger perfekt hvem, der bliver treated, og hvis dem, der bliver treated ogs er dem,
der har strst gain, vil = .
18.1.9
HVIS = 1 = 0 = 0, vil = ! .
=1 =0
= ! ! + ! ! = 1 ! !
!"#
+ ! = 1 ! = 0
sorting gain
selection bias
Her (m) ! !
Definer ! !
= ! + ! ! = = ! + +
! +
sammensatte fejlled
, , ! , ! og , ! , ! ~! , ,
hvor ! ! ! s ! , = 0
S KAN VI SKRIVE
-
fx , , = 1 = = ! + ! + ! + !!!
og endelig
!
!
= ! + + ! + + !!! 1
+ !!!
1
Side 58 af 63
Januar 2011
PROCEDURE
1) Probit af p , dvs. = 1 = . F ! , !
2) Regresser @ POLS ! p ! , ! , ! ! , !!! 1 !
! !
!!! !
, !!! !
! !
! !
Mindre struktur antage mean independence dvs. nok at tage hensyn til ( fx = )
-
Faktisk, ! = ! = 1 = 0 = ! (men )
MODELTANKEGANG
uden antagelser ! = ! + ! ,
! = ! + ! ,
! = ! = 0
S ER
! = + ! ! = 1
-
dvs. ! er lig den generelle plus den forventede individuelle gevinst ved at blive treated (! !
er lig den individspecifikke gevinst ved treatment)
RESULTAT
! ! ! , = 1 = ! !
SMART Definr
= 1 ! + !
S er
, = 1 , = 0 = ! !
og , = 1 samt , = 0 er sdan set det, vi har i vores datast!
dermed er ! , = identificeret for = 0,1.
vi kan estimere den ikke-parametrisk!
ESTIMATER
!
!!
! ! ! !
!!!
Side 59 af 63
Januar 2011
! =
!!
treated
! ! ! ! !
!!!
!
treated
!
!!!
PROBLEM std.fejl skal fs fra de evt. non-param er men muligt @ bootstrap / -metoden.
18.3.1
Switching regression
! = ! + ! ,
! = ! = 0
! ! = 0
med = ! ! = ! ! og ! = !
EKSEMPEL
18.3.2
ANTAG
-
ATE.1
s er
, = = ! + + ! + ! !
-
hvor = , ! ! og ! ! .
Hvis ! erne vlges for komplekse fr vi problemer (ikke datatthed alle vegne)
ATE.1
! = ! + ! for = 0,1.
Side 60 af 63
Januar 2011
s er
, = + + ! +
-
hvor =
ESTIMATION
-
OLS af ! p 1, ! , ! , ! !
RESULTATER
= +
!
! = +
!!
treated
! !
!!!
18.3.3
ofte vil fx = 1 ! < , eksempelvis briller gives til brn med drligere syn end 2
sammenligne personer med nsten samme er, men hvor n treates og n ikke gr.
ANTAG
-
ATE.1
0< <1
(mao. antag 0 og 1)
S ER
=
! =
=1
1
!!
!!!
(hvor treated / =
! ! !
,
! 1 !
!
!!! !
! =
1
treated /
!!
!!!
! ! !
! 1 !
= 1 .)
BEMRKNINGER
Side 61 af 63
Januar 2011
Logit/probit sikrer, at ]0; 1[, men mske maskerer det bare det mulige sample problem, at der findes
s 0,1
18.4.2
regressr ! p 1, ! , !
MOTIVATION
-
ANTAG
-
ATE.1
! ! er ukorreleret med = 1
BEMRKNINGER
-
Man kan ogs kre regression en ! p 1, ! , ! , ! ! ! , men s skal man i stedet antage, at
!
18.5 Matching
ANTAG
-
! , = 1 = ! , = 0
0< <1
S kan vi estimere
! =
1
treated
!treated
!! ! !! ! , = 0
!!!
wtf??
!!
!! nearest neighbors
BEMRKNINGER
-
Matching estimatorer balancerer samplet s det ligner, at kovariaterne kommer fra mere iid-agtige
processer.
Bedre -estimator ikke bare bruge de nrmeste, men alle naboer vgtet efter deres afstand i .
18.6 IV-metoder
Skriv ligningen som
Side 62 af 63
Januar 2011
= ! + ! ! + ! + ! !
TILLADER
-
( OBS! i alm. 2SLS er der ingen yderligere betnkninger ved at instrumentere en dummy!)
BEMRK
-
Hvis ! = ! , er = ! generelt
-
(dvs. hvis ! og ! har samme stokastiske led, s vil interaktionsleddet med g ud, og
afhnger alts ikke af (svarende til, at ! = ! essentielt set))
= og ! = ! ! , ,
TNK = eligibility uafh. af observables, fx Angrists lotteri for vrnepligt: = lotterinummer (hjt
nok ind og springe, men nogen slap && tilfldigt)
PROCEDURE
1) Estimr ! , ; ved MLE (fx probit).
2) Estimr , dvs. ! p 1, ! og ! med instrumenter 1, ! og ! .
BEMRK bygger vigtigt p antagelsen om, at er korrekt specificeret!
MERE STRUKTUR
-
ANTAG ATE.3
-
ATE.2 og
! = ! + ! for = 0,1
! = !
Da bliver ! ! = og
= + + ! + + ! !
PROBLEM og ! , ! korrelerer mske og mske gr en af regressorne
LSNING IV
PROCEDURE
1) Estimr ! ud fra (probit)
2) OLS af ovenstende ligning, ! p 1, ! , ! , ! ! med instr 1, ! , ! , ! ! .
BEMRK
-
! = ! er crucial!
ANTAG ATE.4
-
en masse plus = 1 , = ! + ! + !
Side 63 af 63
Januar 2011
PROCEDURE
1) Estimr ! ! + ! ! + ! ! og ! .
2) OLS ! p ! , ! , ! ! , ! med instr ! , ! , ! ! , ! (dvs. ! = ! for ! , alt andet for sig
selv).
ANTAG ATE.4
-
PROCEDURE
1) Estimr ! ! + ! ! + ! ! og ! .
2) OLS uden IV ! p ! , ! , ! ! , ! ! /! , 1 ! ! / 1 ! .
Side 64 af 64