基于贝叶斯模型平均的模型隐含工具变量两阶段最小二乘估计器的最优工具选择
统计方法学
2024-04-17 v2
摘要
模型隐含工具变量两阶段最小二乘（MIIV-2SLS）是一种用于潜变量模型的有限信息、逐方程、非迭代估计器。与该估计器相关的是针对模型误设的方程特定检验。方程特定检验的一个问题是缺乏特异性，即它们仅表明某些工具存在问题而未揭示具体是哪些。工具对其目标变量预测能力差（弱工具）是第二个潜在问题。我们提出一种新扩展，以检测工具特定的误设检验与弱工具。我们称之为模型隐含工具变量两阶段贝叶斯模型平均（MIIV-2SBMA）估计器。我们在模拟研究中评估 MIIV-2SBMA 相对于 MIIV-2SLS 的表现，并表明其在参数估计方面具有可比性能。此外，我们在 MIIV-2SBMA 框架内开发的工具特定过度识别检验显示出更高的功效以检测特定的问题工具和弱工具。最后，我们用一个实证例子演示 MIIV-2SBMA。
引用
@article{arxiv.1808.10522,
title = {Optimal Instrument Selection using Bayesian Model Averaging for Model Implied Instrumental Variable Two Stage Least Squares Estimators},
author = {Teague R. Henry and Zachary F. Fisher and Kenneth A. Bollen},
journal= {arXiv preprint arXiv:1808.10522},
year = {2024}
}
备注
31 pages, 8 figures