经济系推出“政治经济学”与“西方经济学”“对话研究”系列学术讲座 | 第十一讲

经济系推出“政治经济学”与“西方经济学”“对话研究”系列学术讲座

第十一讲：“理解工具变量方法：从经典到前沿”

2021年11月30日下午一点半，经济系开展的“转型与发展”系列学术讲座第116期在学院514会议室举行，本次讲座由复旦大学经济学院讲师陈登科主讲，由经济系王弟海教授主持。本次讲座也是经济系正在组织开展的“政治经济学”与“西方经济学”“对话研究”系列研讨交流的第十一场讲座。陈老师所讨论的主题是：理解工具变量方法：从经典到前沿。复旦大学经济系张晖明教授、汪立鑫教授、韦潇教授、李楠教授、周翼教授、冯建亮老师等30多位师生参加并进行了讨论交流。

陈老师从三个部分介绍了本次讲座的内容。第一是对经典工具变量方法的介绍。在这里，陈老师区分了回归模型和因果模型，比较了他们的参数含义和误差项含义，提出内生性问题是基于因果模型而非回归方程定义的。陈老师以教育收益率和是否上大学的例子来介绍了统计识别、因果识别和结构识别。接着，陈老师构建了因果关系和回归关系的一个一般性框架。以数据生成过程为例，回归关系形成的是条件期望，而因果关系是给定其他因素相同所求得的效应。只有满足条件独立假定，也就是严格外生性，回归关系才具有因果解释效应。

但是外生性现实中很难满足，陈老师接下来介绍了内生性产生的原因。即遗漏变量、测量误差和联立性。测量误差既包括解释变量测量误差和被解释变量测量误差。根据方程推导，解释变量测量误差会导致衰减偏误，而且会使得估计结果变小，而被解释变量测量误差会增加标准误。此外，联立性也是经济学常遇到的问题，比如供给曲线和需求曲线是存在于经济学家头脑中的概念，在现实中一般无法被观测到，观测数据是供给和需求共同作用的均衡结果。接着，陈老师给出了解决内生性问题的办法，即在满足外生性假定和相关性假定下，引入工具变量。当工具变量等于内生变量个数，使用IV，当工具变量个数大于内生变量个数时，使用2SLS方法。但是使用2SLS回归，也是存在问题的，比如会产生错误的标准误。同时，2SLS的估计量是有偏的，参数的期望值不等于真实参数值，尤其是小样本估计的可靠性难以保证。因此，如果模型不存在内生性问题，那么OLS估计量比2SLS估计量更加有效。基于上述分析，陈老师介绍了GMM方法。陈老师从GMM方法的估计量、直观含义和一般性入手，讲解了如何利用GMM进行结构估计。

再次，陈老师回应了为什么异质性处理效应是一个挑战？如果假设条件不满足，那么工具变量方法就无法识别平均处理效应。另外，面板数据的获取可以简化异质性处理效应模型的识别。固定效应模型将异质性处理效应视为未知参数来估计，随机效应模型将异质性处理效应视为随机变量。此外，陈老师介绍，RDD也是一种工具变量方法。

最后，与会老师对讲座内容纷纷展开了深入探讨。王弟海教授提到，计量的方法很重要，工具变量中参数和真实的β偏差也是计量经济学重要内容之一，但是现实应用中，更多学者可能更加关注计量结果是否显著？对此，陈老师解释说，有时候并不一定要选取工具变量，纯粹的数学方法无法提供有效的解释，最重要的还是经济学家对现实的看法。关于计量经济学方法论，周翼老师与陈老师进行了充分交流，认为系统性思维对于实证研究很重要。

本次讲座对工具变量种类、已有的工具变量缺陷，以及如何选取较好的工具变量方法做了比较有意义的分享，达到了预期效果。

（由博士生游怡乐整理）