如何在 R 的“ivprobit”包中使用“ivprobit”函数？

Question

我试图了解 R 中“ivprobit”包中“ivprobit”函数的语法。指令说：

 Usage
 ivprobit(formula, data)

 Arguments
    formula y~x|y1|x2 whre y is the dichotomous l.h.s.,x is the r.h.s.    
            exogenous variables,y1 is the r.h.s. endogenous variables and 
            x2 is the complete set of instruments
    data    the dataframe

然后它显示了相应的例子：

 data(eco)

 pro<-ivprobit(d2~ltass+roe+div|eqrat+bonus|ltass+roe+div+gap+cfa,eco)

 summary(pro)

如果我符合指令的解释，

 y= d2 = dichotomous l.h.s.
 x= ltass+roe+div = the r.h.s. exogenous variables
 y1= eqrat+bonus = the r.h.s. endogenous variables
 x2= tass+roe+div+gap+cfa = the complete set of instruments

我不明白 x 和 x2 之间的区别。另外，如果 x2 是完整的工具集，为什么它不包括内生变量 y1 呢？相反，它另外包括“gap”和“cfa”变量，它们甚至没有显示在 x（外生变量）甚至 y 中。

假设，我选择的工具变量确实是“eqrat”和“bonus”，我如何构建知道x（外生变量）和x2（完整的工具集）之间的差异？

Answer 1

请注意，这里我们讨论的是 sintax，而不是模型的“优点”，对于此类问题，您应该参考https://stats.stackexchange.com/。

让我们用这个方程作为例子：。

正如正确指出的那样，并不真正在等式中，这只是一个例子。

这里：

• 是因变量；

• 是“有问题”的内生变量（一个或多个）；

• 是不“有问题”的外生变量（一个或多个）；
• 是“帮助”内生变量的工具（一个或多个）；

为什么内源性会出现问题？因为它们与错误相关，这会导致经典 OLS 估计出现问题。

是这些工具，因为它们具有一些基本特性（更多信息请参见此处）：

• 与误差项无关；
• 不影响给定保持不变;
• 与....有关。

在提议的语法中，我们有：

• x，外源性，对应于（没有问题）；
• y1，内源性，对应于（有问题）；
• x2，全套仪器，对应。

在您引用的示例中，x2与 共享一些公共变量x，这是一组外生变量（没有问题），再加上两个工具。

该模型使用 3 个外生变量作为工具，再加上另外两个变量。

我不明白x和x2之间的区别

x2是工具，可能与外生变量集重叠也可能不重叠 ( x)。

如果 x2 是完整的工具集，为什么它不包括内生变量 y1？

它不能包括内生变量，因为这些是方程需要使用仪器来处理的变量。

一个例子：

您想要建立一个模型来预测双亲家庭中的女性是否有工作。你有这些变量：

• fem_works，响应或因变量；
• fem_edu，女性的教育水平，外生；
• kids，夫妇的孩子数量，外生；
• other_income，家庭收入，内生的（您知道这是先验知识）；
• male_edu，男人的教育水平，仪器（你选择这个）。

对于ivprobit，这将是：

mod <- ivprobit(fem_works ~ fem_edu + kids | other_income | fem_edu + kids + male_edu, data)

other_income对于模型来说是有问题的，因为您怀疑它与误差项相关（其他冲击可能会影响 和fem_works）other_income，您决定将其用作male_edu工具，以“缓解”该问题。（示例取自此处）