2SLS प्रतिगमन में अंतर-अंतर


10

आमतौर पर जब हम एक अंतर-इन-मतभेद आकलन करते हैं, हम इसे एक OLS कम के रूप में करते हैं इस प्रकार है:

Yit=αAftert+γTreatmenti+δAfterTreatmenti,t+Xitβ+ϵi,t
हालांकि, मैं सोच रहा था, अगर समूह अंतर्जात है (उदाहरण के लिए आत्म चयनित), लेकिन हम इलाज के लिए "योग्य" समूह को परिभाषित कर सकते हैं, चाहे वह एक diff अनुमान लगाने के लिए और अधिक सटीक होगा एक OLS में -इन-diff / 2SLS के रूप में फार्म: टी आर एक टी एम एन टी मैं , टी = एन एस टी एक एन टी + α एक टी आर टी + γ एल मैं जीTreatment और मिल ^ टी आर एक टी एम एन टी मैं , टी , तो
Treatmenti,t=constant+αAftert+γEligiblei+δAfterEligiblei,t+ϵi,t
Treatmenti,t^

Yi,t=Xitβ+δTreatmenti,t^+ϵi,t

हमें OLS / 2SLS फॉर्म में मौजूद अंतर को कैसे समझना चाहिए? क्या इस विशेष पहचान रणनीति का उपयोग करने वाला कोई पेपर है जिसे मैं देख सकता था?

अग्रिम बहुत बहुत धन्यवाद!


यह फजी है। pls रेस्ट पेपर की जाँच करें।
14:24 पर user24970

जवाबों:


6

ठीक है, यदि आप मानते हैं कि उपचार अंतर्जात है (जो कि यहां समस्या पर निर्भर करता है और मॉडल की एक अंतर्निहित विशेषता नहीं है), तो पात्रता का उपयोग एक वाद्य चर के रूप में करने से आपको सुरक्षित चयन के कारण पूर्वाग्रह से छुटकारा पाने में मदद मिलेगी। उपचार में। (संयोग से, DID को ऐसा करने का इरादा है, लेकिन एक अच्छी तरह से चुने गए उपकरण के रूप में अच्छा काम नहीं करेगा, इसलिए कुछ संदेह हैं कि क्या दोनों को लागू करना बेहतर है तो केवल एक का सहारा लेना। हालाँकि यह तय करना आपके ऊपर है कि क्या पात्रता बहिर्जात है, क्योंकि यह अच्छी तरह से हो सकता है, कि जो लोग उपचार के लिए उच्च वापसी की उम्मीद कर रहे हैं, वे पात्र बनने के लिए सुनिश्चित करें।

यह मानते हुए कि हम कुछ पूर्वाग्रह हैं जो डीआईडी ​​द्वारा समाप्त किए गए हैं और यह पात्रता हमारी मदद कर सकती है, अभी भी दक्षता के विचार हैं। कई मामलों में पात्रता एक कमजोर साधन हो सकती है और फिर कमी पूर्वाग्रह महत्वपूर्ण दक्षता हानि की लागत पर आ जाएगी।

और उस विशेष विनिर्देश पर एक नज़र डालना, जिसे आपने सुसाइड किया है, यह सामान्य सेटिंग में बहुत उचित नहीं लगता है। आप चुन सकते हैं जब आप मानते हैं कि पात्रता जल्दी से बदल रही है, या दूसरे समीकरण में इंटरैक्शन शब्द आम तौर पर अनपेक्षित होगा। समय का समावेश उस समीकरण के बाद और भी अधिक कठोर परिणाम हो सकता है, क्योंकि यह अंतर्जात होने की संभावना है और पूर्वाग्रह में कमी प्रभाव को कमजोर करेगा। यदि अंतर्जात नहीं है, तो यह नगण्य होने के साथ-साथ बातचीत करने की भी संभावना है, जब तक कि उपचार तेजी से अपने आप में नहीं बदल रहा हो।

तो इस मामले में मैं पहले समीकरण में केवल एक पात्रता के रूप में पात्रता छोड़ने और तीसरे को डीआईडी ​​रूप में निर्दिष्ट करने की सिफारिश करूंगा।

व्याख्या के संबंध में, मेरा विनिर्देश दो उपसमूहों में परिवर्तन के अंतर की एक अच्छी व्याख्या की अनुमति नहीं देता है और इसे दो काल्पनिक उपसमूह में परिवर्तन में अंतर के रूप में व्याख्या की जानी चाहिए, जहां प्रत्येक व्यक्ति कुछ वजन के साथ उनके बीच विभाजित होता है।

आपका विनिर्देश, हालांकि, डीआईडी ​​के रूप में सभी व्याख्या को खो देता है, क्योंकि आप परिणामी बातचीत गुणांक का उपयोग नहीं करते हैं, लेकिन उपचार के लिए उपकरणों के रूप में बस अधिक चर को रोजगार देते हैं।

दुर्भाग्यवश, शायद पूर्वोक्त कारणों के कारण, मैं किसी भी उपयुक्त पेपर को याद करने या खोजने में असमर्थ था, इसके बारे में खेद है।



3

कुछ अवलोकन योग्य चर के आधार पर उपचार में चयन का मुद्दा जो परिणाम समीकरण में प्रवेश नहीं करता है, एक अव्यक्त सूचकांक दृष्टिकोण या एक हेक्मैन 2-चरण विधि के साथ हल किया जाता है। हेकमैन 2-चरण के साथ एक कठिनाई एक वैध साधन खोजने की आवश्यकता है, लेकिन अगर आपके पास पहले से ही एक है, तो यह आपके अंतर्जात उपचार के मुद्दे को हल करेगा।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.