处理诱导选择下的工具变量：精确偏倚结果
计量经济学
2020-05-20 v1 统计方法学
摘要
当分析以处理变量为条件时，工具变量（IV）估计会遭受选择偏倚。Judea Pearl 早期对工具变量的图模型定义明确禁止以处理变量为条件。尽管如此，该做法仍然常见。在本文中，我们推导了多种数据生成模型及各类诱导选择过程下 IV 选择偏倚的精确解析表达式。我们给出了线性模型的四组结果。第一，IV 选择偏倚依赖于条件化过程（协变量调整 vs. 样本截断）。第二，由协变量调整引起的 IV 选择偏倚是由样本截断引起的 IV 选择偏倚的极限情形。第三，在某些模型中，选择下的 IV 与 OLS 估计量在大样本下界定了真实因果效应。第四，我们刻画了尽管对处理变量进行选择，IV 仍优于 OLS 的情形。这些结果将 IV 选择偏倚的概念扩展到样本截断之外，用精确解析公式替代了先前的模拟发现，并支持正式的敏感性分析。
引用
@article{arxiv.2005.09583,
title = {Instrumental Variables with Treatment-Induced Selection: Exact Bias Results},
author = {Felix Elwert and Elan Segarra},
journal= {arXiv preprint arXiv:2005.09583},
year = {2020}
}