政治学中我们应多大程度信任工具变量估计？基于逾60项复现研究的实用建议
计量经济学
2023-11-08 v3 统计方法学
摘要
工具变量（IV）策略在政治学中被广泛用于建立因果关系。然而，IV设计所需的识别假设要求很高，研究者仍难以评估其有效性。在本文中，我们复现了2010—2022年间政治学中三本顶级期刊发表的67篇论文，并发现了若干令人担忧的模式。首先，由于非独立同分布误差（如聚类结构），研究者常常高估其IV的强度。其次，用于两阶段最小二乘（2SLS）估计的最常用t检验往往严重低估不确定性。使用更稳健的推断方法，我们发现样本中约19%—30%的2SLS估计功效不足。第三，在大多数复现研究中，2SLS估计远大于普通最小二乘估计，且二者的比值在非实验生成的IV研究中与IV强度负相关，这表明可能存在未混杂性或排除限制的违背。为帮助研究者避免这些陷阱，我们提供了一份改进实践的清单。
引用
@article{arxiv.2303.11399,
title = {How Much Should We Trust Instrumental Variable Estimates in Political Science? Practical Advice Based on Over 60 Replicated Studies},
author = {Apoorva Lal and Mac Lockhart and Yiqing Xu and Ziwen Zu},
journal= {arXiv preprint arXiv:2303.11399},
year = {2023}
}
备注
Forthcoming in Political Analysis. Appendix (supp.pdf) in archived zip