泻药,通过一个案例来看,假设我们要估计的模型是
Y = A + BX + CD + EY = A + BX + CD + E,
其中是解释变量,,和是我们想要估计的系数。
原文链接:http://tecdat.cn/?p=5374tecdat.cn
生成数据
首先,让我们生成数据。
假设的工具变量和之间的相关矩阵如下:## x d z e
## x 1.000 0.001 0.002 0.001
## d 0.001 1.000 0.700 0.300
## z 0.002 0.700 1.000 0.001
## e 0.001 0.300 0.001 1.000
具体而言,相关性表明cor(d,e)= 0.3,这意味着是内生的; dd
cor(d,z)= 0.7,这意味着是的强大工具变量; zzdd
cor(z,e)= 0.001,这意味着工具变量满足排除限制,因为它只影响到.zzyydd
现在,让我们使用指定的相关性为,,和生成数据.xxddzzeenvars = dim(U) 1
numobs = 1000
random.normal = matrix(rnorm(nvars*numobs, 0 , nrow=nvars, ncol=numobs);
X = U %*% random.normal
newX = t(X)
data = as.data.frame(newX)
<