क्यों एक lagged का उपयोग DV एक वाद्य चर के रूप में?

12

मुझे कुछ डेटा विश्लेषण कोड विरासत में मिले हैं, जो कि अर्थशास्त्री नहीं होने के कारण मुझे समझने में दिक्कत हो रही है। एक मॉडल निम्नलिखित Stata कमांड के साथ एक इंस्ट्रूमेंटल वैरिएबल रिग्रेशन चलाता है

ivreg my_dv var1 var2 var3 (L.my_dv = D2.my_dv D3.my_dv D4.my_dv)

यह डेटासेट एक पैनल है जिसमें चर के इस सेट के लिए कई अनुक्रमिक अवलोकन हैं।

इस कोड को उपकरणों के रूप में DV के अंतराल मूल्यों का उपयोग क्यों किया जाता है? जैसा कि मैं इसे समझता हूं (एक पुरानी पाठ्यपुस्तक में खुदाई करने से), IV अनुमान का उपयोग तब किया जाता है जब एक रजिस्ट्रर में त्रुटि शब्द के साथ सहसंबद्ध होने के कारण कोई समस्या होती है। हालाँकि, कुछ भी नहीं के रूप में DV के lags को चुनने का उल्लेख है।

कोड की इस लाइन पर एक टिप्पणी "कार्य-कारण" का उल्लेख करती है। यह पता लगाने में कोई मदद कि यहाँ क्या लक्ष्य था, सबसे स्वागत योग्य होगा।

regression stata instrumental-variables

— laramichaels
स्रोत

आपके प्रश्न से आप कोड को थोड़ा गलत पढ़ सकते हैं। सिंटैक्स निर्भर चर के अंतराल का अनुमान लगाने के लिए "उपकरणों" के रूप में अंतर का उपयोग कर रहा है।

— एंडी डब्ल्यू

लरा: क्या आप अपने प्रश्न को सादे शब्दों में समझाने के लिए संपादित कर सकते हैं कि स्टैटा कोड का अर्थ क्या है?

— user603

7

संपादित करें: नीचे एंडी डब्ल्यू द्वारा प्रदान किए गए स्टैटा कोड पर स्पष्टीकरण को देखते हुए, मैंने इस प्रश्न को बेहतर ढंग से स्वीकार करने के लिए अपना जवाब बदल दिया। आपको मेरे उत्तर का पुराना संस्करण वर्तमान के नीचे मिलेगा।

ऐसा लगता है कि आपका कोड ऑलानो-बॉन्ड अनुमानक (2SOLS के साथ ivreg अनुमानों को संभालने) DIY'ing में एक अनाड़ी प्रयास है। आप इस अच्छे समीक्षा पत्र के साथ-साथ इस व्यापक परिचय में ए / बी अनुमानक के उपयोग और तर्क पर अधिक विवरण पा सकते हैं ।

संक्षेप में और 3 पंक्तियों के भीतर: हालांकि ए / बी अनुमानक वास्तव में एक (सामान्यीकृत) IV अनुमानक है, इसका उपयोग कार्य-कारण के किसी भी मुद्दे को संबोधित करने के लिए नहीं किया जाता है। इस संदर्भ में IV का उपयोग पैनल डेटा के संदर्भ में AR गुणांक के कुशल अनुमान प्रदान करने के लिए किया जाता है।

मैं इस तरह के अनुमानों को पूरा करने के लिए तैयार किए गए टूलबॉक्स का उपयोग करने के बजाय यहां पहिया का फिर से आविष्कार करने के खिलाफ सलाह दूंगा। स्टैटा के लिए, आप XTABOND2 (या XTABOND का उपयोग कर सकते हैं यदि आप STAT11 चला रहे हैं) पैकेज।

पुरानी प्रतिक्रिया:

एक सरल उदाहरण आपको यहाँ मदद करेगा। मान लें कि आपके पास समय के साथ दो चर और जैसे कि और बीच संबंध बहुत अधिक है। आप के बारे में दावा करने के लिए चाहते हैं के कारण लेकिन दुर्भाग्य से वहाँ एक बहुत अच्छा प्रतिस्पर्धा और विश्वसनीय सिद्धांत है जो किया जा रहा है का कारण बनता है । $x_t$ $y_t$ $x_t$ $y_t$ $x_t$ $y_t$ $y_t$ $x_t$

दो प्रतिस्पर्धी मॉडल सुलझाना करने के लिए, आप पीछे की ओर हटाना पर (के बजाय )। अक्सर, आप सटीकता में खो देंगे (यानी अलग-अलग समय पर नमूने वाले चर के बीच सहसंबंध आमतौर पर एक साथ चर चर के बीच संबंध से कम होता है)। $y_t$ $x_{t-1}$ $x_t$

जिस तरह से दो प्रतिस्पर्धी मॉडल - और - अब हो गए हैं, संभवतः, एक अच्छा सिद्धांत नहीं है जिसके तहत एक से एक अवधि एक वर्तमान ('भूतकाल भविष्य के कारण नहीं हो सकती) के कारण हो सकती है, कारण की दूसरी भावना को छोड़कर। $y_t\leftarrow x_{t-1}$ $x_{t-1} \leftarrow y_{t}$ $x$ $y$

ध्यान दें कि इस चर का उपयोग केवल तभी मान्य है जब दोनों चर ( और स्थिर ) हैं। $y_t$ $x_{t-1}$ $I(0)$

— user603
स्रोत

+1 इस व्याख्या से सहमत है कि यह DIY अरेलेनो-बॉन्ड की तरह लग रहा है। नायब: मैंने अरिलानो-बॉन्ड को केवल भरोसेमंद होने के लिए पाया है जब क्रॉस-अनुभागीय इकाइयों की संख्या बहुत बड़ी है --- जैसा कि, कई सैकड़ों में। Arellano अपने लेखों और पाठ्यपुस्तक में उतना ही संकेत देते हैं कि यह इंगित करता है कि निरंतरता क्रॉस सेक्शन इकाइयों की संख्या में है, और अभिसरण दर यह सब तेजी से नहीं है।

— साइरस एस

5

मैं स्टाटा को नहीं जानता, इसलिए मैं विशिष्ट मॉडल पर टिप्पणी नहीं कर सकता। लेकिन सामान्य रूप से एकरूपता पूर्वाग्रह से निपटने और विशेष रूप से वाद्य चर बनाने के दौरान लैग्ड चर का उपयोग एक काफी सामान्य दृष्टिकोण है।

कहें कि आपके मॉडल में दो चर के बीच एक प्रतिक्रिया है: स्वतंत्र चर (जैसे मूल्य) और आश्रित चर (जैसे मात्रा)। फिर दोनों अंतर्जात हैं (मॉडल के भीतर से उनके कारण उत्पन्न होते हैं) और त्रुटि अवधि के लिए गड़बड़ी दोनों चर को प्रभावित करेगी ।

इसे हल करने के लिए, आप स्वतंत्र चर (मूल्य) को अतिशयोक्तिपूर्ण बनाना चाहते हैं ताकि त्रुटि में गड़बड़ी केवल आश्रित चर (मात्रा) को प्रभावित करे। यह कीमत पर अपने मॉडल में अन्य अतिरंजित चर को पुनः प्राप्त करके नए अतिरंजित चर बनाने के द्वारा पूरा किया गया है। ये नए बहिर्जात चर आपके वाद्य चर (IVs) हैं। IVs अतिरंजित शब्दों से लिए गए हैं और इस प्रकार त्रुटि के साथ सहसंबद्ध नहीं हैं।

लेकिन ऐसा करने के लिए, आपको यह पता लगाने की आवश्यकता है कि कौन से चर अतिरंजित हैं, इसलिए उनका उपयोग IVs प्राप्त करने के लिए किया जा सकता है। हम अतीत में "हुए" वैरिएबल को नोट कर सकते हैं और इस तरह वर्तमान में त्रुटि के साथ सहसंबद्ध नहीं किया जा सकता है। इस प्रकार लेग किए गए चर अतिरंजित होते हैं और IV को प्राप्त करने के लिए सुविधाजनक उम्मीदवार बन जाते हैं। (हालांकि, ध्यान दें कि पूर्ववर्ती तर्क विफल हो जाता है जब त्रुटियां स्वतःसंबंधित होती हैं।)

इसका एक अच्छा परिचय और संदर्भ परिचयात्मक अर्थमिति है: वोल्ड्रिज द्वारा एक आधुनिक दृष्टिकोण ।

— आर्स
स्रोत

5

उन लोगों के लिए जो निम्नलिखित कोड से परिचित नहीं हैं, स्टाटा ओपी ने प्रदान की है

ivreg my_dv var1 var2 var3 (L.my_dv = D2.my_dv D3.my_dv D4.my_dv)

इस समीकरण को पढ़ा जा सकता है

$Y_t = \alpha + \beta_1 (Var1) + \beta_2 (Var1) + \beta_3 (Var1) + \beta_4 (\tilde{Y}_{t-1})$

जहाँ का अनुमान लगाया जाता है $\tilde{Y}_{t-1}$

$\tilde{Y}_{t-1} = \alpha + Z_1(\Delta^{2}Y_t) + Z_2(\Delta^{3}Y_t) + Z_3(\Delta^{4}Y_t)$

(अर्थात IV समीकरण का पहला चरण स्टैटा कोड में कोष्ठक के भीतर है)

डेल्टास दूसरे, तीसरे और चौथे क्रम के अंतर का प्रतिनिधित्व करता है, और उन्हें आश्रित चर के अंतराल का अनुमान लगाने के लिए बहिष्कृत उपकरणों के रूप में उपयोग किया जाता है।

स्टैटा कोड में, L.उस चर को से इंगित करता है , और उस चर के पहले क्रम के अंतर को दर्शाता है , और इसलिए दूसरे क्रम में भिन्नता को दर्शाता है। $t-1$ D.D2.

आमतौर पर मैं किसी तार्किक तर्क के बारे में नहीं सोच सकता था कि कोई ऐसा क्यों करेगा। लेकिन क्वाक ने बताया (इस पेपर को संदर्भित करते हुए ) कि मॉडल के ऑटो-रिग्रेसिव कंपोनेंट का अनुमान लगाने के लिए एरिलानो-बॉन्ड विधि उपकरणों के रूप में अंतर का उपयोग करती है। (इसके अलावा, मैंने यह मान लिया था कि यदि श्रृंखला गैर-स्थिर है, तो अंतर केवल एक प्रभाव होगा, जो बॉन्ड कहता है कि लिंक किए गए पेपर में अंतर केवल कमजोर उपकरण होंगे यदि श्रृंखला एक यादृच्छिक चलना है, पृष्ठ 21 पर। )

वाद्य चर के परिचय के रूप में आगे पढ़ने की सामग्री पर सुझाव के रूप में,

इस प्रतिक्रिया में एक और पोस्टर (चार्ली) कुछ स्लाइड्स से जुड़ा था जो उन्होंने तैयार किया था जो मुझे पसंद हैं और यह सुझाव देगा कि इंस्ट्रूमेंटल वेरिएबल्स के लिए एक इंट्रो की तलाश की जाए। मैं इस पावरपॉइंट का सुझाव भी दूंगा कि मेरा एक प्रोफेसर एक कार्यशाला के लिए एक परिचय के रूप में भी तैयार हो। किसी के लिए अंतिम सुझाव के रूप में वाद्य चर के बारे में अधिक जानने में आपको जोशुआ एग्रीगिस्ट के काम को देखना चाहिए।

यहाँ मेरा प्रारंभिक उत्तर है

जबकि मैं उस हर चीज से सहमत हूं जो कि क्वाक और आरएस ने कहा है, मैं अभी भी किसी भी कारण के बारे में नहीं सोच सकता कि कोई व्यक्ति निर्भर चर के अंतराल का अनुमान लगाने के लिए उपकरणों के रूप में निर्भर चर के अंतर का उपयोग करेगा (यदि लोग स्टैट कोड को नहीं जानते हैं, तो L.उस चर को द्वारा लैगिंग को इंगित करता है , और उस चर के पहले क्रम के अंतर को दर्शाता है , और इसलिए दूसरे क्रम के अंतर को दर्शाता है)। $t-1$ D.D2.

सभी अनुप्रयोगों में मैंने देखा है, लोग स्वतंत्र चर के अंतराल का उपयोग निर्भर चर के अंतराल का अनुमान लगाने के लिए उपकरणों के रूप में करते हैं (कारणों के बारे में ars के बारे में बात करते हैं)। लेकिन यह इस धारणा पर आधारित है कि जिस समय लागू किया जा रहा है, उस समय में लैग्ड स्वतंत्र चर त्रुटि अवधि के लिए बहिर्जात हैं।

मुझे ऐसे किसी तर्क का पता नहीं है जिसमें आश्रित चर के अंतर को बहिर्जात माना जाएगा। जहां तक मुझे पता है कि यह समीकरण के केवल एक पक्ष को अंतर करने के लिए अभ्यास को स्वीकार नहीं किया जाता है, और बल्कि अतार्किक परिणाम उत्पन्न करेगा ( यहां एक पेपर है जो किसी को उस रिवर्स स्थिति के बारे में आलोचना करता है जिसमें उन्होंने एक वैरिएबल स्तर को भविष्यवक्ता के रूप में शामिल किया था यदि आप एक IV श्रृंखला में शर्तों को पुनर्व्यवस्थित करते हैं, तो यह वास्तव में संवर्धित डिकी फुलर परीक्षण के समान है।

जबकि सबसे सरल उत्तर यह होगा कि वह व्यक्ति जिसने कोड लिखा है, क्या कोई ऐसा उदाहरण दे सकता है जिसमें यह प्रक्रिया स्वीकार्य होगी, या कोई भी स्थिति जिसमें यह प्रक्रिया कुछ सार्थक परिणाम देगी? जैसा कि मैं किसी तार्किक तर्क के बारे में नहीं सोच सकता हूं कि श्रृंखला के गैर-स्थिर होने की स्थिति को छोड़कर मतभेदों के स्तरों पर प्रभाव क्यों पड़ेगा।

— एंडी डब्ल्यू
स्रोत

नमस्ते एन्डी। मुझे स्टैटा कोड नहीं पता है। इसीलिए मैं अपने उत्तर में छपे हुए कोड का उल्लेख नहीं करता, जिसे अंग्रेजी में तैयार किए गए प्रश्न के भाग की प्रतिक्रिया के रूप में समझना होगा।

— user603

@kwak - मैं आपकी पोस्ट की आलोचना नहीं कर रहा था, मैं आपकी हर बात से सहमत हूँ। मैं बस सोच रहा था कि क्या कोई तर्क था कि क्यों कोई मतभेदों को साधनों के रूप में उपयोग करेगा जिससे मैं अनजान था। मैं ऐसी किसी भी स्थिति की कल्पना नहीं कर सकता, जिसमें इस तरह की प्रक्रिया के लिए मतभेद किसी भी आवश्यकता को पूरा करेंगे।

— एंडी डब्ल्यू

हाय एंडी:> मैं नहीं लिया आप एक आलोचक के रूप में टिप्पणी कर रहे हैं। आपकी पोस्ट इस प्रश्न के एक प्रमुख पहलू को उजागर कर रही है जिसे न तो रोब और न ही मैं (स्वीकार किया गया) समझा गया। कुछ भी हो, यह सहयोग के महत्व को दर्शाता है।

— user603

+1। यह सब पहले नहीं देखा था - इस मुद्दे के साथ ही दुर्घटना / मिनी पाठ्यक्रम पर ध्यान देने के लिए धन्यवाद। मैंने आपकी पहली टिप्पणी का अर्थ यह निकाला कि व्याख्या गलत थी और बहुत सामान्य अर्थ में उत्तर दिया गया था। मुझे खुशी है कि आप अधिक लगातार थे और किवैक ने इसका पता लगाया।

— आर्स