内生变量模型中的两阶段贝叶斯模型平均
统计方法学
2012-02-28 v1 应用统计
摘要
存在内生性时的经济建模在工具变量和协变量层面都面临模型不确定性。我们提出了一种两阶段贝叶斯模型平均（2SBMA）方法，该方法扩展了两阶段最小二乘（2SLS）估计量。通过在内生变量模型中构建两阶段单位信息先验，我们能够有效地将解决回归模型中模型不确定性的已有方法与经典的2SLS技术相结合。为了评估2SBMA背景下工具变量的有效性，我们开发了基于模型平均后验预测p值的识别约束贝叶斯检验。模拟研究表明，2SBMA能够恢复工具变量和协变量集合中的结构，并且与使用完整规范自动进行的2SLS相比，显著提高了所得系数估计的精确度。由于2SBMA估计的简约性增加，贝叶斯Sargan检验在检测外生性假设违反时的功效为50%，而基于使用完整规范的2SLS的方法功效可忽略不计。我们将我们的方法应用于发展核算问题，并发现一旦模型不确定性和内生性被联合处理，不仅制度，而且地理和一体化作为发展决定因素都得到了支持。
引用
@article{arxiv.1202.5858,
title = {Two-Stage Bayesian Model Averaging in Endogenous Variable Models},
author = {A. Lenkoski and T. S. Eicher and A. E. Raftery},
journal= {arXiv preprint arXiv:1202.5858},
year = {2012}
}