异方差与离群值下过度识别线性模型的估计
计量经济学
2024-08-22 v5
摘要
高度的过度识别会在两阶段最小二乘（TSLS）中导致严重偏差。在此背景下用于推动新估计量的常规启发式规则是近似偏差。本文形式化了近似偏差的定义，并将其适用性扩展到桥接 OLS、TSLS 与刀切 IV 估计量（JIVEs）的多类估计量。通过评估其近似偏差，我提出了新的近似无偏估计量，包括 UOJIVE1 和 UOJIVE2。UOJIVE1 可解释为已有估计量 UIJIVE1 的推广。在工具变量与控制变量数目固定的条件下，证明了两个 UOJIVE 均一致且渐近正态。本文中 UOJIVE1 的渐近证明要求不存在高杠杆点，而 UOJIVE2 的证明则无此要求。此外，UOJIVE2 在许多工具变量渐近下亦一致。模拟结果与该文的定理一致：（i）两个 UOJIVE 在含或不含异方差的多数工具变量情形下均表现良好；（ii）当高杠杆点与误差项高方差重合时，会产生离群值，且 UOJIVE1 的表现远差于 UOJIVE2。
引用
@article{arxiv.2305.17615,
title = {Estimating overidentified linear models with heteroskedasticity and outliers},
author = {Lei Bill Wang},
journal= {arXiv preprint arXiv:2305.17615},
year = {2024}
}