Endogenitas dan Variabel Instrumental
Pahami endogenitas dari variabel yang dihilangkan, simultanitas, dan kesalahan pengukuran; relevansi dan eksklusi IV; 2SLS, LATE, instrumen lemah, dan identifikasi keuangan
Jawaban langsung
Endogenitas berarti regressor berkorelasi dengan gangguan regresi, sehingga OLS mencampur efek yang dituju dengan asosiasi lain. Instrumen Z harus relevan dengan menggerakkan X yang endogen dan harus memenuhi independensi serta eksklusi agar tidak memengaruhi hasil Y melalui jalur lain. Kuadrat terkecil dua tahap hanya menggunakan variasi X yang diprediksi oleh Z, tetapi instrumen lemah atau pembatasan eksklusi yang salah dapat menghasilkan kesimpulan yang lebih tidak stabil dan menyesatkan daripada OLS
Endogenitas menghubungkan regressor dengan error
Gangguan memuat penentu hasil yang dihilangkan dari persamaan; eksogenitas gagal ketika X bergerak bersama penentu tersebut
Selera risiko yang dihilangkan, harga dan permintaan yang simultan, pengukuran eksposur yang bising, seleksi mandiri, dan kausalitas terbalik merupakan jalur yang umum
Sampel yang lebih besar mengurangi ketidakpastian acak tetapi tidak menghapus endogenitas sistematis, sehingga estimasi dapat menjadi jawaban salah yang diukur dengan sangat presisi
Instrumen memerlukan dua pilar yang berbeda
Relevansi mensyaratkan instrumen Z menjelaskan cukup variasi pada X yang endogen setelah mengondisikan kontrol eksogen yang disertakan
Independensi dan eksklusi mensyaratkan Z tidak berkaitan dengan penyebab tersembunyi dari hasil potensial dan memengaruhi Y hanya melalui X
Relevansi sebagian dapat didiagnosis dari data, tetapi eksklusi umumnya tidak dapat diuji secara langsung dan memerlukan argumen institusional, waktu, serta perilaku
2SLS menggunakan variasi yang ditimbulkan instrumen
Tahap pertama meregresikan X pada Z dan kontrol eksogen untuk mengisolasi komponen X yang diprediksi oleh instrumen
Tahap kedua menghubungkan Y dengan variasi yang diprediksi tersebut, sedangkan perhitungan yang tepat menggunakan estimator kovarians 2SLS yang memperhitungkan estimasi tahap pertama
Dengan satu variabel endogen dan satu instrumen, estimand IV sederhana menghubungkan efek reduced form Z pada Y dengan efek tahap pertama Z pada X sebagai suatu rasio
Efek IV dapat bersifat lokal
Dengan treatment biner dan kondisi yang mencakup monotonisitas, IV dapat mengidentifikasi local average treatment effect untuk complier yang treatment-nya berubah karena instrumen
LATE ini tidak harus sama dengan efek rata-rata di seluruh populasi atau efek bagi orang yang digerakkan oleh instrumen kebijakan lain
Dengan treatment kontinu atau respons yang heterogen, interpretasi memerlukan kehati-hatian terhadap efek marginal mana yang menerima bobot mana
Instrumen lemah dapat merusak inferensi biasa
Jika tahap pertama lemah, instrumen hanya menyediakan sedikit variasi eksogen dan distribusi, koefisien, serta interval 2SLS dapat menjadi sangat tidak stabil
Menambahkan banyak instrumen dapat melakukan overfit pada noise endogen dalam sampel dan menarik 2SLS mendekati estimasi OLS
Laporkan koefisien tahap pertama, R² parsial, dan statistik identifikasi lemah yang sesuai, serta gunakan pengujian atau interval yang robust terhadap IV lemah bila diperlukan
Nilai instrumen keuangan melalui jalurnya
Ambang regulasi, aturan penetapan indeks, guncangan aliran pendanaan, atau perubahan institusional terjadwal dapat menyediakan variasi kandidat dalam pembiayaan atau harga
Eksklusi terancam jika regulasi mengubah beberapa perilaku perusahaan atau masuknya indeks sekaligus mengubah perhatian, likuiditas, dan informasi
Jika trader mengantisipasi aturan atau memanipulasi ambang, asumsi independensi dan waktu instrumen juga dapat gagal
Buat klaim identifikasi dapat diaudit
Definisikan efek dan populasi target, jelaskan bagaimana instrumen menggerakkan X, dan petakan setiap jalur samping yang masuk akal dari instrumen ke Y
Tampilkan tahap pertama dan reduced form dengan keseimbangan, outcome placebo, efek sebelum treatment, kontrol alternatif, dan inferensi yang robust terhadap identifikasi lemah
Baik kegagalan pengujian overidentifikasi maupun pengujian Hausman tidak membuktikan validitas instrumen, sehingga asumsi yang belum terbantahkan tidak boleh dinyatakan sebagai fakta
Pertanyaan umum
Apa itu variabel instrumental?
Variabel instrumental adalah sumber variasi yang menggerakkan regressor endogen tetapi, berdasarkan asumsi yang dinyatakan, memengaruhi hasil hanya melalui regressor tersebut
Bagaimana cara kerja kuadrat terkecil dua tahap?
Pertama, metode ini memprediksi regressor endogen dengan instrumen, lalu menghubungkan komponen yang ditimbulkan instrumen dengan hasil
Apakah statistik F tahap pertama yang besar membuktikan validitas instrumen?
Statistik itu mendukung relevansi, tetapi tidak dapat membuktikan independensi atau eksklusi yang tetap memerlukan penjelasan kredibel tentang jalur ekonomi
Apakah lolos pengujian overidentifikasi memvalidasi setiap instrumen?
Tidak. Pengujian bergantung pada asumsi dan kekuatannya serta dapat melewatkan instrumen yang berbagi jalur tidak valid yang sama