Stata连享会 主页 || 视频 || 推文 || 知乎 || Bilibili 站
温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
New!
lianxh
命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
连享会新命令:cnssc
,ihelp
,rdbalance
,gitee
,installpkg
⛳ Stata 系列推文:
作者:董洁妙 (暨南大学)
邮箱:graceveio@163.com
目录
当某些观测值处理组划分的结果不是随机缺失,或者这些结果普遍存在错误测量时,对局部平均处理效果 (LATE) 的估计结果是有偏的。
具体地,Calvi 等 (2021) 在探讨印度妇女对家庭资源的控制权与家庭健康之间的因果关系时,使用妇女对家庭资源的控制程度作为 Treatment,并利用 1976 年至 2005 年间印度几个州颁布的《印度教继承法》修正案 (这一法案的颁布意味着赋予妇女继承其出生家庭财产的权利,改善了她们的外部选择) 构建工具变量并进行 IV 估计。
但是事实上,妇女对家庭资源的控制程度是不能被直接观测得到的,为了识别这一因果关系,作者提出使用结构模型进行估计。因此,Treatment 能否被准确识别将变得非常重要,错误识别将会导致 LATE 的估计结果出现较大的偏误。为了解决这些问题,Calvi 等 (2021) 提出了一种新的估计方法 (Mismeasurement Robust LATE,MR-LATE) 来修正 LATE 估计结果。
在新方法下,当处理组的识别指标包含缺失值时,MR-LATE 可以识别并一致地估计 LATE。当处理组的划分出现错误时,MR-LATE 可以减少传统 LATE 的估计偏差。为了推广这一估计方法的使用,Calvi 等 (2021) 编写了 MR-LATE 的估计命令 ivreg2m
。本文的目的是介绍 ivreg2m
命令的使用方法。
在正式介绍之前,本文先对 ivreg2m
命令的使用补充以下几个重要事项:
ivreg2m
不仅可以分别估计处理组的识别指标缺失和识别错误条件下的 LATE,还可以估计同时存在上述问题条件下的 LATE。ivreg2m
是在现有的 xtivreg2
和 ivreg2
的框架上建立的,所以一切关于 xtivreg2
和 ivreg2
的拓展指令几乎都可以在 ivreg2m
中使用。ivreg2m
和 ivreg2
之间存在三个主要区别。首先,在运行该命令之前,用户必须生成一个离散的处理变量,并至少包含以下三个赋值:是否位于处理组,是否位于控制组,是否为缺失、误测或者其他未知的状态。其次,在估计过程中,可以同时设定一个或多个工具变量,但工具变量也必须满足二元或离散 (整数) 值的变量设定。最后,该命令只支持 VCE 的单向聚类。ivreg2
和 ranktest
软件包必须从 SSC 中安装。同时,不应使用 ivreg2
的早期版本。
命令安装:
ssc install ivreg2m, replace
命令语法:
ivreg2m depvar [varlist] (treatment=varlist_iv) [weight] [if exp] [in range] [, ta(string) tb(string) options]
depvar
:指定回归的被解释变量;treatment
:指定回归中存在错误的原始处理变量的名称;ta(string)
:定义处理组中处理变量 Ta 的数字值,默认为 ta(1)
;tb(string)
:定义控制组中处理变量 Ta 的数字值,默认为 tb(-1)
。
为了更好地理解 MR-LATE 在实际分析中的应用,Calvi 等 (2021) 使用是否加入美国退休金 401k 计划对个人净固定资产的影响进行举例。401k 计划是指美国 1978 年《国内税收法》新增的第 401 条 k 项条款的规定,具体指代一种由雇员、雇主共同缴费建立起来的完全基金式的养老保险制度。
但是,在美国养老保险制度的选择并不唯一。美国还推出了个人退休金账户计划 (以下简称 IRA计划) 作为备选。那么,在分析个是否加入 401k 计划对个人净固定资产的影响时,难免会面临着遗漏 IRA 计划所造成 LATE 的偏误。这种情况,可以通过 ivreg2m
命令估计 MR-LATE 进行解决:
第一,调用数据进行回归分析。
. ssc install bcuse, replace
. bcuse 401ksubs, clear
第二,生成一个处理变量 (离散型),至少包含三个不同的取值。
. generate treat = (p401k & pira)
. replace treat = -1 if (p401k==0 & pira==0)
第三,使用 ivreg2m
命令进行估计,解释变量包括错误分类的 Treatment 变量,以及一个二元的工具变量。
. ivreg2m nettfa (treat = e401k), ta(1) tb(-1)
MR-LATE point and interval estimate:
(1) treat_a - treat_b = 0
------------------------------------------------------------------------------
nettfa | Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
(1) | 72.666 2.613 27.81 0.000 67.545 77.788
------------------------------------------------------------------------------
第四,在第三步基础上加入控制变量和采用 Robust 标准误的回归结果。
. ivreg2m nettfa (treat = e401k) inc, robust ta(1) tb(-1)
MR-LATE point and interval estimate:
(1) treat_a - treat_b = 0
------------------------------------------------------------------------------
nettfa | Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
(1) | 58.839 3.154 18.66 0.000 52.657 65.021
------------------------------------------------------------------------------
第五,在第四步基础上加入多项工具变量以及 cluster-robust 标准误的回归结果。
. ivreg2m nettfa (treat = e401k pira) inc, cluster(age) ta(1) tb(-1)
MR-LATE point and interval estimate:
(1) treat_a - treat_b = 0
------------------------------------------------------------------------------
nettfa | Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
(1) | 58.104 3.386 17.16 0.000 51.467 64.741
------------------------------------------------------------------------------
相信大家在阅读本推文后,对如何使用 ivreg2m
命令估计修正后的 LATE (即 MR-LATE) 有了更深入的理解。不过,它也存在一些不足,比如只能够考虑单一偏误冲击所造成的影响。未来,几个可能性的优化方向包括:
Note:产生如下推文列表的 Stata 命令为:
lianxh 工具变量, m
安装最新版lianxh
命令:
ssc install lianxh, replace
免费公开课
最新课程-直播课
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 | 文本分析、机器学习、效率专题、生存分析等 | |
研究设计 | 连玉君 | 我的特斯拉-实证研究设计,-幻灯片- |
面板模型 | 连玉君 | 动态面板模型,-幻灯片- |
面板模型 | 连玉君 | 直击面板数据模型 [免费公开课,2小时] |
⛳ 课程主页
⛳ 课程主页
关于我们
课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法
等
连享会小程序:扫一扫,看推文,看视频……
扫码加入连享会微信群,提问交流更方便
✏ 连享会-常见问题解答:
✨ https://gitee.com/lianxh/Course/wikis
New!
lianxh
和songbl
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh