Пытаясь понять эту проблему:
Предположим, у вас был доступ к набору данных, который следует за людьми из отрочество на протяжении всей взрослой жизни. Каждый год вы наблюдаете заработка, образовательный уровень, здоровье и семейное положение. Предположим, вы были интересно посмотреть, как брак причинно влияет на заработок люди. Используя описанные данные, как бы вы рассмотрели этот вопрос? Какие будет вашим предположением идентификации? Как вы могли бы оценить Достоверность этого предположения?
Сначала я пытаюсь понять, что является определяющим предположением? Я думаю, что проверяемое вами предположение говорит вам, были ли причинно-следственные связи или нет. Это правильно?
И мои первые мысли о том, как ответить на домашнее задание:
Я должен был бы определить, что доход и брак не определяются одновременно, обратная причинно-следственная связь или оба влияют на одну и ту же переменную. Таким образом, создание неэффективной группы (не состоящих в браке мужчин) и сопоставление с женатыми мужчинами может создать хорошую разницу в различиях.
Но как оценить правдоподобие этого предположения? Я обычно просто вставляю цифры в компьютер и не беспокоюсь о достоверности. Что делает предположение более правдоподобным в эконометрике?
источник
Ответы:
Определение предположения: предположения, сделанные относительно DGP, которые позволяют сделать причинный вывод. Например. допущение экзогенности для IV, допущение параллельных трендов в diff-in-diff.
Определение предположений (отсутствие эндогенности в целом) никогда не может быть статистически подтверждено (не отклонение - это хорошо, но это не подтверждение). Таким образом, оценка вероятности состоит из эмпирических аргументов, основанных на том, что вы знаете о DGP.
источник
Может быть, другой пример поможет здесь:
Представьте, что вы хотели бы знать влияние курения на вероятность заболеть раком. Просто сравнивая уровень заболеваемости раком у курящих и некурящих, вы можете получить предвзятую оценку этого эффекта, потому что, возможно, курильщики также участвуют в ряде других нездоровых видов поведения, которые увеличивают риск заболевания раком (например, чрезмерное употребление алкоголя, небольшие физические нагрузки, сильное воздействие стресса и т. Д.) ,
Другими словами, «допущение идентификации», которое вы делаете для оценки причинного влияния курения на уровень заболеваемости раком, т.е. некурящие отличаются только с точки зрения их курения поведения, скорее всего, не держать здесь.
По этой причине вы можете использовать стратегию идентификации с менее сомнительными предположениями. Например, вместо того, чтобы смотреть на прямое потребление сигарет на рак, вы могли бы взглянуть на влияние изменений цен на сигареты на рак. Например, может случиться так, что некоторые районы повысили налог на сигареты на 20%, тогда как другие районы этого не сделали. В таком случае вполне вероятно, что потребление сигарет уменьшается в первой группе районов по сравнению со второй группой. Это относительное изменение потребления сигарет может впоследствии использоваться для оценки причинного влияния курения на уровень заболеваемости раком, поскольку повышение цен вряд ли будет коррелировать с характеристиками курильщиков / некурящих (пьянство, физические упражнения и т. Д.) другими словами, допущение идентификации в этой модели оценки является более правдоподобным, чем в наивный Сравнение курильщиков и некурящие.
Надеюсь это поможет! Также вы можете посмотреть на академические статьи, которые иллюстрируют, как использовать Cool & amp; строгие стратегии идентификации, например:
Донохью III, Джон Дж. И Стивен Д. Левитт. «Влияние легализованного аборта на преступность». Ежеквартальный журнал экономики (2001): 379-420.
Мигель, Эдвард и Майкл Кремер. «Черви: выявление воздействия на образование и здоровье при наличии внешних эффектов лечения». Econometrica 72.1 (2004): 159-217.
Абади, Альберто, Джошуа Ангрист и Гвидо Имбенс. «Инструментальные переменные оценки влияния субсидированного обучения на квантили заработков стажеров». Econometrica 70.1 (2002): 91-117.
источник