भले ही इस प्रश्न का पहले से ही एक स्वीकृत उत्तर है, लेकिन मुझे लगता है कि मैं अभी भी इसमें योगदान कर सकता हूं। कोएन्कर (2005) पुस्तक वास्तव में आपको दूर तक नहीं मिलेगी क्योंकि उस समय के आसपास आईवी क्वांटाइल रिग्रेशन में विकास शुरू हुआ था।
प्रारंभिक चतुर्थ मात्रात्मक प्रतिगमन तकनीकों में चेशर (2003) द्वारा कारण श्रृंखला की रूपरेखा शामिल है , जिसे आगे Ma और Koenker (2006) द्वारा भारित औसत विचलन दृष्टिकोण (WAD) में विकसित किया गया था । इस पत्र में वे नियंत्रण चर दृष्टिकोण का भी परिचय देते हैं। इसी तरह के विचार का उपयोग ली (2007) द्वारा किया गया था, जिन्होंने नियंत्रण कार्यों का उपयोग करके एक आईवी क्वांटाइल रिग्रेशन अनुमानक प्राप्त किया था ।
ये सभी अनुमानक एक मान्यता प्राप्त त्रिकोणीय त्रुटि संरचना का उपयोग करते हैं जो पहचान के लिए आवश्यक है। इसके साथ समस्या यह है कि यह त्रिकोणीय संरचना एकरूपता के कारण उत्पन्न होने वाली एंडोजेनिटी समस्याओं के लिए अनुमानित है। उदाहरण के लिए, आप आपूर्ति-मांग अनुमान समस्या के लिए इन अनुमानकों का उपयोग नहीं कर सकते।
अबादी, एनग्रिस्ट और इमबेंस (2002) के अनुमानक, जो कि दिमित्री वी। मास्टरोव ने उल्लेख किया है, मानता है कि आपके पास एक द्विआधारी अंतर्जात चर और एक द्विआधारी साधन है। सामान्य तौर पर, यह एक बहुत ही प्रतिबंधात्मक ढांचा है लेकिन यह LATE के दृष्टिकोण को रैखिक प्रतिगमन IV से लेकर परिमाणात्मक प्रतिगमन तक फैलाता है। यह अच्छा है क्योंकि कई शोधकर्ता, विशेष रूप से अर्थशास्त्र में, लेट अवधारणा और परिणामस्वरूप गुणांक की व्याख्या से परिचित हैं।
चेर्नोज़ोउकोव और हैनसेन (2005) के सेमिनल पेपर ने वास्तव में इस साहित्य को तोड़ दिया और इन दो लोगों ने इस क्षेत्र में बहुत काम किया है। IV क्वांटाइल रिग्रेशन एस्टीमेटर (IVQR) क्वांटाइल संदर्भ में 2SLS आकलनकर्ता को एक प्राकृतिक लिंक प्रदान करता है। उनके अनुमानक को मैटलैब या ऑक्स के माध्यम से कार्यान्वित किया जाता है क्योंकि दिमित्री ने बताया लेकिन आप उस क्वैक (2010) पेपर के बारे में भूल सकते हैं। इस पत्र ने कभी इसे स्टैटा पत्रिका के लिए नहीं बनाया और साथ ही उनका कोड भी ठीक से नहीं चला। मुझे लगता है कि उन्होंने इस परियोजना को छोड़ दिया।
इसके बजाय आपको कपलन और सन (2012) द्वारा अनुमानित अनुमानित समीकरण IVQR (SEE-IVQR) अनुमानक पर विचार करना चाहिए। यह एक हालिया अनुमानक है जो कम्प्यूटेशनल गति के मामले में मूल IVQR अनुमानक पर एक सुधार है (यह बोझिल ग्रिड खोज एल्गोरिथ्म से बचा जाता है) और मतलब चुकता त्रुटि। मतलब कोड यहाँ उपलब्ध है ।
फ्रॉलीच और मेल्ली (2010) का पेपर अच्छा है क्योंकि यह सशर्त और बिना शर्त मात्रात्मक प्रतिगमन के बीच के अंतर को मानता है। सामान्य रूप से मात्रात्मक प्रतिगमन के साथ समस्या यह है कि एक बार जब आप अपने प्रतिगमन में सहसंयोजकों को शामिल करते हैं, तो व्याख्या बदल जाती है। ओएलएस में आप हमेशा सशर्त अपेक्षाओं से बिना शर्त उम्मीदों के कानून के माध्यम से जा सकते हैं लेकिन मात्राओं के लिए यह उपलब्ध नहीं है। यह समस्या सबसे पहले Firpo (2007) और Firpo et al द्वारा दिखाई गई थी । (2009)। वह सशर्त मात्रात्मक प्रतिगमन गुणांक को हाशिए पर लाने के लिए एक पुन: केंद्रित प्रभाव समारोह का उपयोग करता है, ताकि उन्हें सामान्य ओएलएस गुणांक के रूप में व्याख्या किया जा सके। आपके उद्देश्य के लिए, यह अनुमानक बहुत मदद नहीं करेगा क्योंकि यह केवल बहिर्जात चर के लिए अनुमति देता है। यदि आप रुचि रखते हैं, निकोल फोर्टिन स्टाटा कोड को अपनी वेबसाइट पर उपलब्ध कराती है।
पॉवेल (2013) द्वारा हाल ही में बिना शर्त आईवी क्वांटाइल रिग्रेशन अनुमान लगाने वाला है । उनका सामान्यीकृत (IV) मात्रात्मक प्रतिगमन अनुमानक आपको एंडोजेनिटी की उपस्थिति में सीमांत मात्रात्मक उपचार प्रभावों का अनुमान लगाने की अनुमति देता है। कहीं न कहीं रैंड की वेबसाइट पर वह अपना स्टैटा कोड भी उपलब्ध करवाता है, मुझे यह अभी नहीं मिला। चूंकि आपने इसके लिए कहा था: पहले के एक पेपर में उन्होंने पैनल डेटा के संदर्भ में इस अनुमानक को लागू किया था ( पॉवेल, 2012 देखें )। यह अनुमानक बहुत अच्छा है क्योंकि पिछले सभी पैनल डेटा क्यूआर तरीकों के विपरीत यह अनुमानक बड़े टी एसिम्पोटिक्स (जो आपके पास आमतौर पर नहीं है, कम से कम माइक्रोकोमेट्रिक डेटा में नहीं है) पर निर्भर नहीं करता है।
पिछले नहीं बल्कि कम से कम, एक अधिक विदेशी संस्करण: चेरनोव्होव एट अल द्वारा सेंसर किए गए IVQR अनुमानक (CQIV) । (2011) सेंसर किए गए डेटा की देखभाल करने की अनुमति देता है - जैसा कि नाम से पता चलता है। यह चेरनोझोकोव और हांग (2003) द्वारा पेपर का एक विस्तार है जो मैं लिंक नहीं करता हूं क्योंकि यह आईवी संदर्भ के लिए नहीं है। यह अनुमानक कम्प्यूटेशनल रूप से भारी है, लेकिन यदि आपने डेटा को सेंसर कर लिया है और इसके आसपास कोई अन्य रास्ता नहीं है, तो यह जाने का रास्ता है। Amanda Kowalski ने अपनी वेबसाइट पर Stata कोड प्रकाशित किया है या आप इसे RePEc से डाउनलोड कर सकते हैं। यह अनुमानक (और, वैसे, आईवीक्यूआर और एसईई-आईवीक्यूआर भी) यह मानता है कि आपके पास निरंतर एंडोजेनिक वैरिएबल है। मैंने इन अनुमानकों का उपयोग कमाई के प्रतिगमन के संदर्भ में किया है जहां शिक्षा मेरा अंतर्जात चर था जो 18 से 20 मानों के बीच लिया गया था, इसलिए यह बिल्कुल निरंतर नहीं था। लेकिन सिमुलेशन अभ्यास में मैं हमेशा दिखा सकता हूं कि यह कोई समस्या नहीं है। हालाँकि, यह संभवतः अनुप्रयोग पर निर्भर है इसलिए यदि आप इसका उपयोग करने का निर्णय लेते हैं, तो इसे दोबारा जांचें।