দুর্বল যন্ত্রের নির্ণয়: প্রথম ধাপের F ও দৃঢ় অনুমান
প্রথম ধাপের F, আংশিক R-বর্গ, Stock–Yogo মানদণ্ড, দৃঢ় নির্ণয় এবং Anderson–Rubin অনুমান দুর্বল যন্ত্র সম্পর্কে কীভাবে ভিন্ন প্রশ্নের উত্তর দেয় তা জানুন।
এই গাইডেযন্ত্রের শক্তি কেন গুরুত্বপূর্ণ
সংক্ষিপ্ত সারাংশ
প্রথম ধাপের পরিসংখ্যানটি দেখায়, অন্তর্ভুক্ত নিয়ন্ত্রণগুলো বিবেচনায় নেওয়ার পর বাদ দেওয়া যন্ত্রগুলো একটি অন্তর্জাত চলককে কতটা ব্যাখ্যা করে। এটি যন্ত্রের বৈধতা প্রমাণ করে না; “F 10-এর বেশি” হওয়াও সর্বজনীন নিশ্চয়তা নয়। উপযুক্ত নির্ণয় নির্ভর করে অন্তর্জাত চলকের সংখ্যা এবং ত্রুটির অনুমানের ওপর; দুর্বল IV-তে দৃঢ় অনুমানও বিস্তৃত বা অসীম হতে পারে।
যন্ত্রের শক্তি কেন গুরুত্বপূর্ণ
Instrumental-variable পদ্ধতি অন্তর্জাত regressor \(X\)-এর সেই পরিবর্তন ব্যবহার করে, যা অন্তর্ভুক্ত নিয়ন্ত্রণ \(W\)-এর শর্তে বাদ দেওয়া instrument \(Z\) দ্বারা পূর্বানুমিত হয়।
\(Z\) যদি \(X\)-এর অবশিষ্ট পরিবর্তনের সামান্য অংশই ব্যাখ্যা করে, তবে এই উৎস থেকে কাঠামোগত প্রভাব সম্পর্কে তথ্যও সীমিত থাকে।
প্রাসঙ্গিকতা দুর্বল হলে সীমিত নমুনায় 2SLS অনুমান OLS-এর দিকে পক্ষপাতগ্রস্ত হতে পারে এবং তার sampling distribution স্বাভাবিক আনুমানের থেকে অনেকটা সরে যেতে পারে। standard error নির্ভুল দেখালেও প্রচলিত Wald interval-এর coverage খারাপ হতে পারে।
Staiger এবং Stock দুর্বল-instrument asymptotics দিয়ে এই ব্যর্থতাগুলো ব্যাখ্যা করেন এবং nonstandard confidence set-এর প্রয়োজন দেখান (১৯৯৭ সালের প্রবন্ধ)।
শক্তি শনাক্তকরণের একটিমাত্র অংশ। শক্তিশালী first stage প্রমাণ করে না যে \(Z\) structural error থেকে স্বাধীন, বা \(X\) ছাড়া অন্য পথে outcome-এ প্রভাব ফেলে না।
instrumental variables নির্দেশিকা এই পৃথক অনুমান এবং কোন প্রভাব শনাক্ত হচ্ছে তা ব্যাখ্যা করে।
প্রথম ধাপ শর্তাধীন যন্ত্র-পরিবর্তন আলাদা করে
একটি অন্তর্জাত regressor এবং \(q\)টি বাদ দেওয়া instrument-এর জন্য first stage লিখুন
\[ X_t = W_t'\delta + Z_t'\pi + v_t. \]
এখানে \(W_t\)-তে অন্তর্ভুক্ত বহিঃজাত নিয়ন্ত্রণ থাকে, প্রায়ই একটি intercept-সহ; \(Z_t\)-তে থাকে বাদ দেওয়া instrument। প্রচলিত first-stage F test \(H_0:\pi=0\) যৌথ সীমাবদ্ধতা পরীক্ষা করে: \(W_t\)-এর পর বাদ দেওয়া instrument-গুলো আর কোনো ব্যাখ্যাশক্তি যোগ করে না।
এটি শর্তাধীন প্রাসঙ্গিকতার প্রশ্ন, exclusion বা independence-এর পরীক্ষা নয়। কোন নিয়ন্ত্রণ অন্তর্ভুক্ত, কতটি বাদ দেওয়া instrument একসঙ্গে পরীক্ষা করা হয়েছে, নমুনা ও covariance assumption কী, এবং কোন statistic ব্যবহার করেছেন—এসব জানান।
একাধিক বাদ দেওয়া instrument থাকলে কোনো একটি coefficient-এর t statistic যৌথ পরীক্ষার বিকল্প নয়।
আংশিক R-বর্গ এবং প্রচলিত F statistic
আংশিক \(R^2\) মাপে, \(W\)-এর প্রভাব সরিয়ে নেওয়ার পর \(X\)-এর অবশিষ্ট পরিবর্তনের কত অংশ residualized বাদ দেওয়া instrument ব্যাখ্যা করে।
ধরা যাক, \(R^2_p\) হলো আংশিক \(R^2\), \(n\) নমুনার আকার, \(k\) হলো intercept থাকলে সেটিসহ অন্তর্ভুক্ত regressor-এর সংখ্যা, এবং \(q\) বাদ দেওয়া instrument-এর সংখ্যা।
প্রচলিত homoskedastic linear-regression গণনায় incremental F statistic হলো
\[ F = \frac{R^2_p/q}{(1-R^2_p)/(n-k-q)}. \]
লব বাদ দেওয়া instrument-সংক্রান্ত প্রতি restriction-এ fit কতটা উন্নত হয়েছে তা মাপে; হর first-stage residual-এর পূর্ণ degrees of freedom ব্যবহার করে অবশিষ্ট variance অনুমান করে। এই সূত্র সব robust statistic-এর সার্বজনীন পরিচয় নয়।
Robust covariance estimator ব্যবহার করলে test calculation এবং reference distribution বদলে যায়।
আংশিক \(R^2\) ও F সম্পর্কিত হলেও ভিন্ন বর্ণনামূলক প্রশ্নের উত্তর দেয়: আংশিক \(R^2\) হলো scale-free fit measure, আর F নমুনার আকার ও restriction-এর সংখ্যাও প্রতিফলিত করে।
অতি বড় নমুনায় ছোট আংশিক \(R^2\) থেকেও বড় F আসতে পারে; তাতে সব finite-sample IV approximation নির্ভরযোগ্য হয়ে যায় না।
F 10-এর বেশি হওয়া কেন সর্বজনীন সীমা নয়
পরিচিত 10 একটি rule of thumb, pass/fail theorem নয়। Staiger ও Stock নির্দিষ্ট weak-instrument framework-এ একে ব্যবহারিক নির্দেশনা হিসেবে আলোচনা করেন; সব নমুনা, estimator, instrument-এর সংখ্যা বা error process-এর জন্য এটি inference-এর নিশ্চয়তা দেয় না।
Stock ও Yogo relative 2SLS bias বা Wald-test size distortion-এর সীমা ধরে instrument weakness সংজ্ঞায়িত করেন এবং নির্বাচিত মানদণ্ডের জন্য critical value দেন। তাই critical value মানদণ্ড ও model dimension-এর ওপর নির্ভর করে।
প্রচলিত first-stage এবং Cragg–Donald ফল homoskedastic ও independent error-এর অনুমান ধরে।
ওই টেবিলের কোনো সংখ্যা পরিবর্তন ছাড়া প্রত্যেক robust setting-এ প্রয়োগ করা যায় না (লেখকের অধ্যায়ের পৃষ্ঠা)।
F 10-এর বেশি হলেই exclusion, independence বা causal interpretation প্রমাণিত হয় না। 10-এর কম হলেই instrument অকার্যকর বা কোনো নির্দিষ্ট অনুমান অবৈধ প্রমাণিত হয় না।
উল্লিখিত অনুমানের অধীনে statistic-টিকে diagnostic হিসেবে নিন, তারপর design-সঙ্গত inference বেছে নিন।
Hansen J নির্দেশিকা ব্যাখ্যা করে কেন overidentification test instrument strength assessment-এর বিকল্প নয়।
<!-- learn:illustration -->
একাধিক অন্তর্জাত regressor-এর জন্য যৌথ শক্তি মূল্যায়ন দরকার
একাধিক অন্তর্জাত regressor থাকলে পৃথক first-stage F দুর্বলভাবে শনাক্ত কোনো linear combination ধরতে নাও পারে।
প্রতিটি regressor আলাদাভাবে পূর্বানুমিত বলে মনে হলেও instrument-সৃষ্ট পরিবর্তন সব structural coefficient নির্ভুলভাবে অনুমানের জন্য দরকারি combination-গুলো span নাও করতে পারে।
Homoskedastic linear IV setup-এ Cragg–Donald minimum-eigenvalue statistic যৌথ identification information সংক্ষেপে ধরে। এর Stock–Yogo critical value নির্দিষ্ট bias বা size-distortion criterion লক্ষ্য করে।
অনুমানগুলো গুরুত্বপূর্ণ: নির্বিচারে heteroskedasticity, serial dependence বা clustering থাকলে পরিচিত critical value স্বয়ংক্রিয়ভাবে বৈধ হয় না।
বাদ দেওয়া instrument-এর সংখ্যা, অন্তর্জাত regressor-এর সংখ্যা এবং first-stage coefficient matrix-এর rank—সবই গুরুত্বপূর্ণ। পূর্ণ setup জানান এবং তার উপযোগী test ব্যবহার করুন; পৃথক first-stage F-এর গড় থেকে যৌথ শক্তি অনুমান করবেন না।
দৃঢ় ত্রুটির জন্য নকশা-সঙ্গত নির্ণয় দরকার
আর্থিক পর্যবেক্ষণে heteroskedasticity, serial dependence, বা firm, venue কিংবা policy unit অনুযায়ী clustering থাকতে পারে। second-stage standard error cluster করলেই classical first-stage F বা Cragg–Donald calibration robust হয়ে যায় না।
একটি অন্তর্জাত regressor-এর জন্য Montiel Olea ও Pflueger নির্দিষ্ট শর্তে heteroskedasticity, autocorrelation এবং clustering অনুমোদনকারী effective-F weakness test তৈরি করেন।
এটি covariance information দিয়ে প্রচলিত first-stage F scale করে, তারপর criterion-specific critical value-এর সঙ্গে ফল তুলনা করে (২০১৩ সালের প্রবন্ধ)।
effective F সব software-এ দেখানো robust Wald F-এর সমান পরিমাণ নয়।
Robust covariance estimator-সহ Kleibergen–Paap rk Wald F বহুল রিপোর্ট করা হয়, কিন্তু Stock–Yogo critical value ভিন্ন conventional statistic ও assumption-এর জন্য তৈরি। একই calibrated scale-এর মান ধরে এদের তুলনা করবেন না।
Estimator, statistic, covariance estimator, clustering level বা dependence treatment, এবং critical-value framework জানান।
Newey–West বা cluster-robust covariance তার অনুমানের অধীনে sampling uncertainty সামলায়; একা weak identification সারায় না।
দুর্বল প্রাসঙ্গিকতাতেও Anderson–Rubin inference বৈধ থাকতে পারে
একটি endogenous regressor-এর model-এ candidate coefficient \(\beta_0\) নিন। ফল \(Y-X\beta_0\) দিয়ে adjust করে, included control-এর পর বাদ দেওয়া instrument-গুলো সম্মিলিতভাবে সেটি ব্যাখ্যা করে কি না পরীক্ষা করুন।
Null hypothesis এবং instrument exogeneity সত্য হলে, এটি \(\beta=\beta_0\)-এর Anderson–Rubin test।
Test-টি estimated first-stage coefficient দিয়ে ভাগ করে না, তাই সেটি বড় হওয়ার ওপর এর validity নির্ভর করতে হয় না।
মূল Anderson–Rubin construction model-এর distributional assumption ব্যবহার করে; প্রয়োগে covariance estimator এবং reference distribution-ও sampling design-এর সঙ্গে মানানসই হওয়া দরকার। Test-কে “robust” বলা হলে অল্প cluster বা serial dependence উপেক্ষা করা যায় না।
Candidate value জুড়ে test উল্টে confidence set পাওয়া যায়। তথ্য দুর্বল হলে সেটি বিস্তৃত, বিচ্ছিন্ন বা অসীম হতে পারে; এটি software failure নয়, identifying information সীমিত—তার ফল। Anderson–Rubin test-এর power-ও কম হতে পারে।
GMM overidentification নির্দেশিকা ভিন্ন প্রশ্নের উত্তর দেয়; একে weak-IV-robust coefficient inference হিসেবে ধরা উচিত নয়।
মূল প্রবন্ধটি Anderson ও Rubin (1949)।
Partial-F গণনার উদাহরণ
ধরা যাক, একটি কাল্পনিক first stage-এ \(n=200\)টি observation, intercept-সহ \(k=3\)টি included regressor, \(q=2\)টি excluded instrument এবং আংশিক \(R^2_p=0.04\) আছে।
প্রচলিত homoskedastic formula-তে residual degrees of freedom \(200-3-2=195\)।
\[ F = \frac{0.04/2}{(1-0.04)/195} = \frac{0.02}{0.96/195} = 4.0625. \]
এই হিসাব বলে, প্রদত্ত input ও assumption-এ conventional joint statistic 4.0625। শুধু এটুকু দিয়ে instrument অবৈধ প্রমাণ হয় না, Stock–Yogo-র criterion-specific সিদ্ধান্ত স্থির হয় না, অথবা heteroskedasticity কিংবা clustering-এর অধীন ফল প্রতিষ্ঠিত হয় না।
Robust analysis-এর নিজস্ব design-matched statistic ও calibration দরকার।
একই দুটি instrument fuzzy regression-discontinuity design-এ ব্যবহৃত হলে first-stage discontinuity সেই design-এর প্রাসঙ্গিকতা বিশ্লেষণের অংশ।
উপরের F গণনা RDD assumption, bandwidth choice বা ওই design-এর উপযুক্ত inference-এর বিকল্প নয়।
Diagnostic এবং identification যুক্তি আলাদা করে জানান
Endogenous regressor, excluded instrument, included control, sample, first-stage coefficient, আংশিক \(R^2\), এবং ব্যবহৃত সুনির্দিষ্ট strength statistic জানান।
একাধিক endogenous regressor থাকলে joint statistic ও তার assumption উল্লেখ করুন; robust setting-এ শুধু “F = …” না লিখে covariance এবং critical-value method জানান।
Statistic দুর্বল identification নির্দেশ করলে লক্ষ্য coefficient-এর জন্য weak-IV-robust test বা confidence set রিপোর্ট করুন। সেটি bounded কি না এবং তার আকৃতি মূল সিদ্ধান্ত বদলায় কি না ব্যাখ্যা করুন।
সংক্ষেপে বলা সহজ বলে তথ্যহীন interval-কে conventional Wald interval দিয়ে প্রতিস্থাপন করবেন না।
শেষে institutional এবং economic evidence দিয়ে instrument-এর independence ও exclusion pathway সমর্থন করুন। Relevance diagnostic, balance check, placebo outcome এবং overidentification test সমস্যা দেখাতে পারে, কিন্তু সব assumption প্রমাণ করতে পারে না।
Difference-in-differences design ভিন্ন identification assumption ব্যবহার করে; first stage শক্তিশালী হলেই ওই design-এর বিকল্প হয় না।
সাধারণ প্রশ্ন
Q1First-stage F 10-এর বেশি হলে কি instrument valid প্রমাণিত হয়?
না। এটি নির্দিষ্ট calibration-এর অধীনে সর্বোচ্চ relevance diagnostic। Independence বা exclusion প্রতিষ্ঠা করতে পারে না।
Q2Partial R-squared কি first-stage F statistic-এর সমান?
না। Partial R-squared অতিরিক্ত fit বোঝায়। Conventional F নমুনার আকার, restriction-এর সংখ্যা ও residual degrees of freedom-ও বিবেচনা করে।
Q3Robust F-কে কি সরাসরি Stock–Yogo critical value-এর সঙ্গে তুলনা করা যায়?
Statistic ও assumption calibration-এর সঙ্গে মিললেই কেবল। Robust statistic-এর জন্য প্রায়ই ভিন্ন critical value ও ব্যাখ্যা দরকার।
Q4Instrument দুর্বল মনে হলে কী রিপোর্ট করা উচিত?
Design-matched diagnostic এবং weak-IV-robust test বা confidence set রিপোর্ট করুন; সেটি বিস্তৃত, বিচ্ছিন্ন না অসীম তা-ও জানান।
উৎস ও আরও পড়ুন
সমস্যা জানান
এই নিবন্ধের লিংকসহ একটি ইমেল তৈরি হবে। পাঠানোর পরেই Mark প্রতিবেদনটি পাবে
দ্রুত যাচাই
গাইডটি পড়ার পর 3টি প্রশ্নে নিজেকে যাচাই করুন
প্রশ্ন 01
Conventional first-stage F test কী মূল্যায়ন করে?
ব্যাখ্যা দেখতে একটি উত্তর বেছে নিন
অপশন শব্দকোষ
Correlation between a regressor and the regression disturbance, causing OLS to mix a target effect with omitted pathways, simultaneity, or measurement error.
বিস্তারিত গাইড পড়ুনRegression discontinuity designA design using a treatment-probability jump at a known running-variable cutoff plus potential-outcome continuity to identify a local effect.
বিস্তারিত গাইড পড়ুনDifference-in-differencesA quasi-experimental method subtracting the comparison group's contemporaneous change from the treated group's change to construct an untreated counterfactual.
বিস্তারিত গাইড পড়ুন