Stata OP'nin aşağıdaki kod snippet'ini bilmeyenler için sağlanan OP
ivreg my_dv var1 var2 var3 (L.my_dv = D2.my_dv D3.my_dv D4.my_dv)
bu denklem şu şekilde okunabilir
Yt=α+β1(Var1)+β2(Var1)+β3(Var1)+β4(Y~t−1)
burada ,Y~t−1
Y~t−1=α+Z1(Δ2Yt)+Z2(Δ3Yt)+Z3(Δ4Yt)
(yani IV denkleminin ilk aşaması Stata kodundaki parantez içinde)
Deltalar ikinci, üçüncü ve dördüncü derece farklılıkları temsil eder ve bağımlı değişkenin gecikmesini tahmin etmek için hariç tutulan araçlar olarak kullanılır.
Stata kodunda, L.
ile bu değişken kalmış gösterir , ve bu değişken anlamına hangi birinci derece farklar ve dolayısıyla fark kayıt ikinci sırasını ifade eder.t−1D.
D2.
İntial olarak birisinin bunu neden yapacağına dair mantıklı bir neden düşünemedim. Ancak Kwak, bu makaleye gönderme yaparak, Arellano-Bond yönteminin modelin oto-regresif bileşenini tahmin etmek için farklılıkları araç olarak kullandığına dikkat çekti . (Ayrıca intial olarak, farklılıkların sadece seri durağan değilse bir etkisi olacağını varsaymıştım; Bond'un bu bağlantılı makalede, serinin 21'de rastgele bir yürüyüş olması durumunda farklılıkların sadece zayıf enstrümanlar olacağını belirtiyor. )
Enstrümantal değişkenlere giriş olarak daha fazla okuma materyali üzerine öneriler olarak,
Bu yanıttaki başka bir poster (Charlie) , beğendiğim ve önerebileceğim bazı slaytlarla bağlantılı , enstrümantal değişkenlere bir giriş yapmaya değer. Ayrıca bu powerpoint'i bir atölye çalışması için hazırlanan bir profesör olarak da tanıtacağım. Enstrümantal değişkenler hakkında daha fazla bilgi edinmek isteyen herkes için son bir öneri olarak, Joshua Angrist'in çalışmasına bakmalısınız.
İşte ilk cevabım
Kwak ve ars'ın belirttiği her şeye katılıyorum, ancak birisinin bağımlı değişkenin farklılıklarını bağımlı değişkenin gecikmesini tahmin etmek için araç olarak kullanmasının bir sebebini hala düşünemiyorum (insanlar Stata kodunu bilmiyorsa, L.
tarafından bu değişken kalmış gösterir , ve bu değişken anlamına hangi birinci derece farklar ve bu yüzden , ikinci düzen differencing) belirtir.t−1D.
D2.
Gördüğüm tüm uygulamalarda, insanlar bağımlı değişkenin gecikmesini tahmin etmek için bağımsız değişkenlerin gecikmesini araç olarak kullanırlar (çünkü ars hakkında konuşurlar). Ancak bu, gecikmeli bağımsız değişkenlerin uygulandıkları zaman dilimi içinde hata terimine eksojen olduğu varsayımına dayanmaktadır.
Bağımlı değişkenin farklılıklarının dışsal olarak kabul edileceği herhangi bir gerekçe bilmiyorum. Bildiğim kadarıyla, denklemin sadece bir tarafını fark etmenin pratikte kabul edilmediğini ve oldukça mantıksız sonuçlar üreteceğini ( burada birisini, bir belirteç olarak bir değişken seviyesi içerdikleri ters durum hakkında eleştiren bir makale IV denklemindeki terimleri yeniden düzenlerseniz, aslında artırılmış bir Dickey Fuller testine benzer.
En basit cevap, kodu yazan kişiye sormak olsa da, herhangi biri bu prosedürün kabul edilebilir olacağı bir örnek verebilir mi, yoksa bu prosedürün bazı anlamlı sonuçlar getireceği herhangi bir durum verebilir mi? Olduğu gibi, serilerin durağan olmaması durumu dışında, farklılıkların seviyeler üzerinde neden bir etkisi olabileceğine dair mantıklı bir mantık düşünemiyorum.