用于选择有效工具变量的凝聚层次聚类
统计方法学
2024-07-19 v4 机器学习
摘要
我们提出一种将层次聚类与过度识别约束检验相结合的过程，用于从大量工具变量(IV)中选择有效的工具变量。其中部分IV可能由于不满足排除约束而无效。我们证明，若最大的IV组有效，则我们的方法具有预言性质。与现有技术不同，我们的工作处理多个内生回归变量。模拟结果表明该方法在各种设定下均具有优势性能。该方法被应用于估计移民对工资的影响。
引用
@article{arxiv.2101.05774,
title = {Agglomerative Hierarchical Clustering for Selecting Valid Instrumental Variables},
author = {Nicolas Apfel and Xiaoran Liang},
journal= {arXiv preprint arXiv:2101.05774},
year = {2024}
}