1、Copyright 2011 Pearson Addison-Wesley. All rights reserved.基于多元回归的评估研究第 9章Copyright 2011 Pearson Addison-Wesley. All rights reserved. 9-2提纲1. 内部和外部有效性2. 内部有效性的威胁a) 遗漏变量偏差b) 回归函数形式的误设c) 变量有测量误差d) 缺失数据和样本选择e) 双向因果关系偏差3. 实例：测试成绩Copyright 2011 Pearson Addison-Wesley. All rights reserved. 9-3评价统计研究的框架：内部
2、和外部有效性 (SW Section 9.1) 内部有效性 ： 如果有关因果效应的统计推断对研究总体是正确的，则称该统计分析是内部有效的。 外部有效性 : 如果从研究总体及其环境中得到的相关推断和结论可推广到其他总体及其环境中，则称该分析是外部有效的。Copyright 2011 Pearson Addison-Wesley. All rights reserved. 9-4多元线性回归研究外部有效性的威胁评价外部性威胁需要在案例的基础上有 大量 的知识。从加州数据的结果看： 总体间的差异 2011年的加州？ 2011年的马萨诸塞州？ 2011年的墨西哥？ 环境的差异 法律的不同（比如特殊教育
3、） 双语教育处理的不同 教师的差异Copyright 2011 Pearson Addison-Wesley. All rights reserved. 9-5多元回归分析的内部有效性威胁 (SW Section 9.2)内部有效性 ： 有关因果效应的统计推断对研究总体是正确的。多元回归分析内部有效性的五种威胁： 遗漏变量偏差 回归函数形式的误设 变量有测量误差 缺失数据和样本选择 双向因果关系这几种情况下， E(ui|X1i, Xki) 0 (即条件均值的独立性不成立 ) OLS有偏且不一致。Copyright 2011 Pearson Addison-Wesley. All rights
4、reserved. 9-61. 遗漏变量偏差如果遗漏以下变量，就会产生遗漏变量偏差：I. Y的决定因素 II. 一个或多个回归变量相关的变量 . 首先讨论一元线性回归的遗漏变量偏差。如果满足以上条件 I和 II，就会产生多元线性回归遗漏变量偏差。 如果多元线性回归包含控制变量，则我们需要了解是否有控制变量是无法控制的，也就是说，在纳入控制变量之后，是否有误差项和感兴趣的变量相关。Copyright 2011 Pearson Addison-Wesley. All rights reserved. 9-7遗漏变量偏差的解决方法1. 若有遗漏变量的数据，可以通过在多元回归中加入这个变量来解决这个问
5、题；2. 如果有一个或多个控制变量的数据，并且这些控制变量是足够的，即能够保证条件均值独立，则将这些控制变量引入模型；3. 利用同一观测个体在不同时间点上的观测数据 ;（ Ch. 10）4. 如果遗漏变量无法观测，利用工具变量回归；（ Ch. 12）5. 利用随机对照实验。 （ Ch. 13）Copyright 2011 Pearson Addison-Wesley. All rights reserved. 9-82. 错误的函数形式（回归函数形式的误设）如果函数形式错误，比如：遗漏交互项，则统计推断和因果关系可能就有偏差。函数形式误设的解决方法 :1. 因变量连续时：利用对数、交互项等方法
6、可以解决潜在的非线性问题。2. 因变量离散时（比如：二元变量）：需要多元回归方法的拓展（ probit 或 logit，见 Ch. 11）。Copyright 2011 Pearson Addison-Wesley. All rights reserved. 9-93. 变量有测量误差目前我们假设 X没有测量误差。但现实中，经济数据会有测量误差 管理数据时录入错误 数据收集错误（从事目前工作的时间？） 由于调查问题时间久远，被调查人给出错误的回答 (去年的收入？ ) 被调查人故意给出错误的回答（你有多少财产？你多长时间饮一次酒、开一次车？）Copyright 2011 Pearson Addison-Wesley. All rights reserved. 9-10变量有 测量误差（续）一般来说，回归变量出现测量误差就会导致测量误差偏差。为了解测量误差会造成回归变量和误差项之间的相关性，考虑一元回归模型：Yi = 0 + 1Xi + ui假设 E(ui|Xi) = 0，令Xi = X未测量的真实值= X的不准确的度量值（观测值）
