2021年4月
在本文中,我重新探讨了线性工具变量(IV)估计作为条件局部平均治疗效果(LATEs)的加权平均值的解释。我关注的是一种实际相关的情况,在这种情况下,需要额外的协变量来识别,而简化形式和第一阶段回归隐含地限制了工具的影响是同质的,因此可能是错误指定的。我证明了一些条件LATEs的权重为负,并且IV估计在较弱的单调性版本下不再可解释为因果效应,即在某些协变量值上有遵从者但没有违抗者,而在其他地方有违抗者但没有遵从者。负权重的问题在Angrist和Imbens(1995)的过度识别的规范中消失了,在我开发的另一种称为“reordered IV”的方法中也消失了。即使所有的权重都是正的,在刚刚确定的规范中的IV估计也不能解释为无条件的LATE参数,除非具有不同仪器值的组大小大致相等。我在大学教育因果效应的应用中说明了我的发现,使用大学邻近性工具。基准估计表明,上大学能带来约60个对数点的收入增长,这远远超出了最近文献的估计范围。我证明了这个结果是由反对者的存在和负权重的存在所驱动的。经过修正的估计表明,上大学会使收入增加大约20%。
下载
这些必需的cookies是激活网站核心功能所必需的。无法选择退出这些技术。
为了进一步完善我们的服务和我们的网站,我们收集匿名数据进行统计和分析。例如,在这些cookie的帮助下,我们可以确定访问者的数量和我们网站上某些页面的效果,并优化我们的内容。