Используя предположение другого человека в качестве IV

6

В « Оценках экономического возврата в школу от новой выборки близнецов » Орли Ашенфельтера и Алана Крюгера они исправляют ошибку выборки с помощью IV. Они утверждают, что их результаты подразумевают большее влияние образования на заработок, чем было найдено ранее.

У каждого респондента есть близнец. Каждого респондента спрашивают, сколько денег они зарабатывают, что имеет присущую ошибку выборки. Затем близнеца респондента спрашивают, сколько денег зарабатывает первый респондент. Эта оценка используется как IV, и вместе они показывают реальный доход первого респондента.

Может ли это помочь выявить, сколько копеек в банке? Или насколько человек любит политического кандидата?

Или как это работает? Я вижу это как волшебство. Если я хочу узнать правду о чем-то, мне просто нужно получить второе мнение?

applied-econometrics instrumental-variable education-economics

— Вездесущий
источник

2

Я думал, что этот инструмент связан не только с неискренним откровением, но и с шумом. Вы можете лгать о том, сколько вы зарабатываете, но с меньшей вероятностью лгаете о том, сколько зарабатывает ваш брат. Но вы, вероятно, точно не знаете, сколько зарабатывает ваш брат, поэтому оптимальный прогноз - это комбинация ваших предположений и их самоотчета.

— BKay

@BKay да точно. Так что же считается «неискренним откровением»? Если вы спросите меня, сколько копеек в банке, и я скажу вам 342, а их нет. Затем вы спрашиваете более умного человека, сколько копеек в банке, и они говорят, 300, это не одно и то же? Разве мое отсутствие знаний не будет таким же, как «неискреннее откровение»? И как получилось, что они вообще могут провести двойной эксперимент?

2

Инструменты используются в качестве замены для независимой переменной, если мы считаем, что независимая переменная является эндогенной. Это означает, что мы думаем, что это может быть связано с нашей ошибкой. Итак, в случае оценки денег, заработанных близнецом, у нас есть модель:

salary = β_{0} + β_{1} \cdot guess + u

$\text{salary} = \beta_0 + \beta_1 \cdot \text{guess} + u$

Где имеет стандартные свойства, означает ноль и нормальное стандартное отклонение. Здесь проблема в том, что «предположение» человека может быть связано с другими вещами, которые влияют на зарплату человека, которые здесь не измеряются, такими как правдивость. Мы также нарушаем нормальное предположение Гаусса-Маркова о случайной выборке. Таким образом, мы можем использовать инструмент вместо догадки. $u$

Мы хотим, чтобы наши инструменты были актуальными и действительными . Это означает, что мы хотим, чтобы инструмент коррелировал с предположением, а также не коррелировал с ошибкой. Предположение другого близнеца было бы хорошим соответствием, потому что оно, вероятно, коррелирует с предположением близнеца, но также их предположение, вероятно, не так сильно коррелирует с внешними факторами, которые могут повлиять на зарплату их родного брата.

В вашей гипотезе об измерении копеек в банке, само предположение другого близнеца не будет более точным, и, возможно, даже не возникнет проблема эндогенности. Но если бы вы отбирали группы людей, а не отдельных людей, то вы, вероятно, могли бы ожидать, что этот результат будет более точным, если группы группируются случайным образом.

В вашем случае, если вам нравится политический кандидат, вы можете с трудом утверждать, что предположение близнеца об их родстве с политиками может быть уместным инструментом. Люди заметно меняют свои политические взгляды, когда их наблюдают другие, даже близкие члены семьи. Так что, по крайней мере, вы можете получить некоторую предвзятость.

— Кицунэ кавалерия
источник

Я бы предложил пересмотреть существование в этом случае.

β_{0}

$\beta_0$

— Алекос Пападопулос

3

Там нет магии. Вы должны понять, что результат зависит от обоснованности предположений:

А) Если предположить, что есть ошибка измерения, то да, среднее из двух измерений будет в среднем ближе к истине, чем одно мнение. Это очень правдоподобно. Мы все делаем такие вещи постоянно. Например, когда мы действительно получаем «второе мнение» от врача, мы думаем, что добавление другого мнения приближает нас к истине.

Б) Если предположить, что у собеседника меньше стимула лгать об образовании вашего близнеца, чем о вашем, то один из способов приблизиться к истине - использовать информацию близнеца об образовании своего брата, а не сообщать себя , Авторы показывают, что дисперсии и ковариации между различными переменными согласуются с этой гипотезой. Интуиция заключается в том, что вы реже пытаетесь скрыть нехватку образования вашего брата, чем свою собственную необразованность.

Конечно, это не делает предпочтительную интерпретацию авторами обязательно верной. Вполне возможно, что в отчете об образовании вашего близнеца есть определенный уклон, который они не учли. Скажем, например, что вы преувеличиваете разницу между вашим образованием и его или ее образованием именно тогда, когда существует большая разница в заработной плате. Это может сломать их результат, я думаю.

Наконец, точная идея использовать его как инструмент не в том, что это второе мнение. Вместо этого предполагается, что «ошибка» в этом втором измерении не связана с доходом, в отличие от ошибки самооценки дохода, которая предположительно коррелирует с доходом. Это означает, что влияние образования на доход, оцененное с использованием отчета о родном брате, является непредвзятым, в то время как тот, который использует самооценку дохода, является предвзятым. Авторы утверждают, что самооценка приводит к коэффициенту, который смещен вниз, что приводит к оценке меньшего возврата к образованию, чем реальный.

— Fix.B.
источник