两阶段最小二乘法（2SLS）及 Stata 操作步骤

最新推荐文章于 2025-03-31 14:19:18 发布

数据博士

最新推荐文章于 2025-03-31 14:19:18 发布

阅读量1.3w

点赞数 17

分类专栏： Stata实证操作文章标签：最小二乘法算法机器学习回归线性代数

本文链接：https://blog.csdn.net/a519573917/article/details/140642604

版权

一、引言

在当今的经济学和社会科学领域，我们常常致力于揭示各种变量之间的内在联系和因果关系。然而，在进行实证研究时，常常会遇到内生性问题，这给准确估计变量之间的真实关系带来了巨大的挑战。为了应对这一难题，两阶段最小二乘法（2SLS）应运而生，成为了研究者们手中的有力工具。

二、理论原理

在线性回归模型中，我们通常假设解释变量与误差项是相互独立的。然而，在实际情况中，这种假设往往会被打破。当某个解释变量与误差项存在相关性时，我们称其为内生解释变量。内生性的产生可能源于多种原因，例如遗漏变量、测量误差、双向因果关系等。

当存在内生解释变量时，使用普通最小二乘法（OLS）进行估计会导致估计结果出现偏差和不一致性。这是因为内生解释变量中包含了与误差项相关的信息，从而干扰了对系数的准确估计。

两阶段最小二乘法通过巧妙地引入工具变量来解决这一问题。工具变量需要满足两个关键条件：一是相关性，即工具变量与内生解释变量之间存在较强的线性关系；二是外生性&#

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

数据博士

关注关注

17
点赞
踩
29

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【基础学习】欧拉角 旋转矩阵 四元数关系及解读

weixin_45058446的博客

04-22

654

【基础学习】欧拉角 旋转矩阵 四元数关系及解读

四旋翼无人机姿态控制及坐标系转换和GPS数据解析

电脑管家

06-16

2760

四旋翼无人机姿态控制及坐标系转换和GPS数据解析引言四旋翼无人机在农业、测绘、影视拍摄等领域发挥着重要作用。其控制精度直接关系到任务的执行效果。本文主要介绍四旋翼无人机的姿态控制，坐标系转换以及GPS数据的解析。1.1 姿态控制算法常见的姿态控制算法有PID控制、LQR控制等。这里以PID控制为例介绍。假设我们希望无人机达到一定的目标滚转角、目标俯仰角和目标航向角，我们可以通过PID控制器计算出四个电机应该提供的推力。这里，K_p 是比例增益，error 是目标值和实际值之间的差。

参与评论您还未登录，请先登录后发表或查看评论

无人机坐标系定义与转换

weixin_41230454的博客

11-08

7977

介绍无人机/机器人/导弹等导航制导控制中所用到的各个坐标系及其转换关系

你知道无人机是如何利用GPS定位的吗？

最新发布

weixin_38225837的博客

03-31

1656

无人机定位方式之GPS定位

捷联惯导算法心得

minyuanxiani的专栏

03-27

8607

1、四个概念：“地理”坐标系、“机体”坐标系、他们之间换算公式、换算公式用的系数。地理坐标系：东、北、天，以下简称地理。在这个坐标系里有重力永远是（0,0,1g），地磁永远是（0,1,x）（地磁的垂直不关心）两个三维向量。机体坐标系：以下简称机体，上面有陀螺、加计、电子罗盘传感器，三个三维向量。换算公式：以下简称公式，公式就是描述机体姿态的表达方法，一般都是用以地理为基准，从地理换

无人机运动学控制中的坐标系，及惯性坐标系与机体坐标系之间的矩阵转换 欧拉角

whl0071的专栏

08-31

1万+

无人机运动学控制中的坐标系，及惯性坐标系与机体坐标系之间的矩阵转换 欧拉角，无人机坐标系和GIS坐标系的转换

无人机中的坐标系、旋转矩阵与相机姿态计算

u010165147的博客

09-18

1万+

球坐标系是三维坐标系中的一种，在无人机中一般使用球坐标系来表示相机姿态，相机姿态的坐标是相对于无人机的，而无人机的飞行姿态则是相对于大地坐标系的。在无人机飞行中，无人机平台由于飞行运动及气流运动等因素，会影响无人机的飞行姿态，这时搭载的相机姿态相对大地坐标系会发生变化，需要加入无人机姿态去计算修正，以便于更准确计算相机的观测位置。以上需要注意的是偏航角与其他角不同，偏航角的旋转是整个坐标系，即将无人机坐标系转换为大地坐标系，这里没有使用位移量，需要时加上经纬度的偏移。合并旋转后的三维度旋转矩阵。

PX4无人机控制坐标系基本概念

qq_37410522的博客

07-31

3135

PX4无人机控制坐标系基本概念

无人机坐标系和角度基本概念

wsdtr的博客

09-24

716

横滚角 (ϕ)：飞机对称平面与通过飞机机体纵轴的铅垂平面间的夹角，右滚为正。俯仰角 (θ)：机体轴与地平面（水平面）之间的夹角，飞机抬头为正。偏航角 (ψ)：机体轴在水平面上的投影与地轴之间的夹角，以机头右偏为正。

飞控东北天下的欧拉角旋转矩阵四元数和加速度计磁力计之间的关系

12-17

总的来说，理解和掌握欧拉角、旋转矩阵与四元数之间的相互转换，以及它们如何与传感器数据（如加速度计和磁力计）结合，是实现精准导航和姿态控制的关键。在设计和实现飞行控制系统时，这些概念是不可或缺的基础知识...

欧拉角、旋转矩阵、四元数

weixin_44616080的博客

08-26

1119

** 引言 ** 在开始正式论述导航、飞控算法之前呢，再给大家回顾一下公众号前期阐述欧拉角、旋转矩阵以及四元数的三篇内容，一方面是将欧拉角、旋转矩阵、四元数三种描述姿态的方式汇总在一起进行对比，为后续控制律设计以及导航解算做准备，另一方面是校勘了当初写文章时的一些笔误。另外，对于想进一步学习飞控知识以及有问题需要专业人员帮忙答疑的朋友可以关注一下我最近创建的知识星球：关于创建知识星球的公告。 *...

欧拉角、四元数、旋转矩阵，迂回现象，自抗扰控制.zip

02-27

在机器人和飞行器控制领域，欧拉角、四元数和旋转矩阵是描述三维空间中物体旋转的关键概念，而“迂回现象”则涉及到动态系统的稳定性问题，自抗扰控制是一种现代控制理论中的先进控制策略。MATLAB作为强大的数学计算...

无人机姿态解算：四元数及其与欧拉角的转换

w1050321758的博客

09-28

1万+

四元数在无人机姿态解算中的应用与实现 **引言：**获得无人机飞行时的飞行姿态对于无人机稳定控制来说至关重要。无人机主要通过传感器数据融合来进行状态估计，常用于无人机的传感器包括：MPU（包含了三轴加速度计和三轴陀螺仪，9250还包括磁力计），气压计，超声波传感器，光流计等。通过传感器数据融合算法可以得到无人机的最优状态估计值，包括无人机的姿态角，俯仰pitch、横滚、偏航角等。通过传感器的数据来求得无人机姿态角的信息的过程就是姿态解算，本文详细推导了利用四元数与四阶龙格库塔法求解四元数微分方程得到姿态角，

无人机导航中的各类坐标系

wbzhang233的博客

12-21

1万+

无人机中的各类坐标系学习笔记：北东地坐标系(NED, north-east-down) 东北天(ENU, east-north-up) 机体坐标系(body frame) 1. 无人机中NED坐标理解 1.1 机体坐标系 机体坐标系固连飞机，其原点取在多旋翼的重心位置上。 x轴在多旋翼对称平面内指向机头（机头方向与多旋+字形或X字形相关）。 z轴在飞机对称平面内，垂直轴向下。然后，按右手定则确定y轴。 1.2 地球固联坐标系 通常以多旋翼起飞位置作为坐标原点。先让x轴在水平面内指向某一方向，z轴.

大疆无人机飞行器航空器坐标知识整理

热门推荐

迷彩狼的博客

01-26

1万+

一、大地坐标系。GIS开发，移动开发，web开发，GPS（非专业GIS人士，若有错误求轻锤）。全文以大疆无人机开发为背景举例说明。我们常用的民用坐标系常用的有： 1、WGS84坐标系：即地球坐标系（World Geodetic System），国际上通用的坐标系。设备包含的GPS芯片或者北斗芯片获取的经纬度一般都是为WGS84地理坐标系，目前谷歌地图采用的是WGS84坐标系（中国范围除外）。WGS-84坐标系的原点在地球质心，Z轴指向BIH1984.0定义的协定地球极（CTP）方向，X轴指向BIH19

无人机——像素坐标系转世界坐标系（NED）

qq_45088942的博客

09-26

8957

在无人机下，将某个点从像素坐标系转换到世界坐标系，详细推导

无人机飞控算法-姿态估计-欧拉角-旋转矩阵-四元数

GoolyOh的专栏

12-06

7470

无人机飞控算法-姿态估计(EKF卡尔曼滤波) 此系列记录了我理解的卡尔曼滤波从0到1的过程，从姿态估计到位置估计，我们从核心点一个个出发，并结合实际模块的应用来一一揭开卡尔曼滤波的神秘面纱。提示：在系列文章中，我参考了大量CSDN，知乎，简书等其他朋友的各种文档资料，并从中获益良多，对此表示非常感谢！在更新的过程中不免出现很多错误，希望大家能够及时指出和交流，一起学习，一起进步！系列文章目录无人机飞控算法-姿态估计(EKF卡尔曼滤波)前言一、姿态估计是什么？二、惯性测量单元（IMU）1.加速度计2.陀

图像与无人机坐标系以及世界坐标系转换

01-04

### 图像坐标系、无人机坐标系和世界坐标系之间的转换 #### 定义各坐标系 为了理解不同坐标系间的转换，先定义各个坐标系： - **图像坐标系**：通常由像素单位表示，原点位于图像左上角。该坐标系中的位置通过 (u, v) 表示，其中 u 和 v 是水平方向和垂直方向上的像素数[^2]。 - **物理图像坐标系**：与图像坐标系相似，但是使用的是实际距离而非像素值来描述物体的位置。这有助于更精确地映射现实世界的尺寸到图像平面上。 - **无人机坐标系（相机坐标系）**：以安装在无人机上的摄像头为中心建立的三维直角坐标系统；X轴指向右方，Y轴指向前方而Z轴则朝向下方或上方取决于具体设定。此坐标系用于表达相对于摄像机视角的空间关系[^1]。 - **世界坐标系**：作为全局参照框架存在，用来标记环境中固定不变的对象位置以及它们之间相对位移情况的一个标准体系结构，在这里可以认为是地球表面某一点处设立的一套笛卡尔坐标系。 #### 坐标变换过程概述从一种坐标系转至另一种涉及多个步骤，主要包括内参矩阵的应用、外参数估计及投影操作等环节。下面给出一般性的流程说明： 1. 将目标物点P的世界坐标\( P_w \)转化为其对应的相机坐标\( P_c \)，即 \( P_c = R(P_w - T) \)，这里的R代表旋转矩阵，T为平移向量； 2. 接着利用相机内部参数K将上述得到的结果进一步映射成归一化平面内的二维坐标形式\( p_n \)，计算方式如下所示： ```matlab % MATLAB code snippet demonstrating the conversion from camera coordinates to normalized image plane coordinates. function pn = cam_to_norm_image_plane(K, Pc) % K is a 3x3 intrinsic matrix of the camera % Pc represents points in camera coordinate system as an array with shape Nx3 where N >= 1 % Convert homogeneous coordinates back into Cartesian space and normalize by z-component pc_homogeneous = [Pc ones(size(Pc, 1), 1)]; pn_homogeneous = K * pc_homogeneous'; zn = repmat(pn_homogeneous(3,:), size(pc_homogeneous, 1), 1); pn = bsxfun(@rdivide, pn_homogeneous', zn); %#ok<BSXM> end ``` 3. 对于最终获得的归一化后的坐标\( p_n \)，还需要乘以其对应的实际焦距f并加上主点偏移o才能完成整个转换链路直至到达屏幕空间下的最终呈现形态——也就是所谓的“图像坐标”。 4. 如果涉及到无人机姿态变化，则需额外考虑IMU数据所提供的角度信息来进行补偿调整，从而实现更加精准的姿态重建与定位服务。综上所述，这些转换不仅对于计算机视觉领域至关重要，而且广泛应用于机器人导航、增强现实等多个方面。