2SLSの第1ステージの機能形式が重要ではないのはなぜですか？

今日のプレゼンテーションで、講演者は上記の主張をしました。彼は、第1ステージが誤って指定されていても、第2ステージの係数推定値は引き続き有効であると述べました。大学院生だったので説明を求められなかったのでお願いします！

econometrics 2sls

それはあなたが気に唯一のことは、あなたのことであるというのが私の理解である

、すなわち第一段階の予測値は、第二段階の誤差項と相関です。最初のステージの係数はバイアスされるか、単位間隔などの外側の予測を生成する可能性がありますが、これは、内生変数の予測値と2番目のステージの誤差項との相関を引き起こしません。私はこれの証拠を見たことがありませんが、Imbensなどからこの説明に沿った説明を見たことがあります。

\hat{x}

$\hat{x}$

— coffeinjunky 14年

あなたのxがダミーの場合、私は同意します。あなたのxが連続的である場合、私は懐疑的です（証明は見ていませんが）。一般的に、人々が公平性について話すとき、彼らの出発点は、線形モデルが有効であると想定しています。私は、一般的に、彼らがいることを得るために探しているわけ

から

。しかし、

がガベージモデルである場合、

は、それがそうであると推定しているという質問に答えません。（私は関数形式についてのみ話し、配布形式については話していません）

E [\hat{β}] = β

$E[\hat\beta] = \beta$

y = X^{'} β

$y = X'\beta$

y = X^{'} β

$y = X'\beta$

β

$\beta$

— generic_user

OLSは平均して偏りがないからです。劇的に正しくない（偏った）場合を除き、関数型が何であるかはそれほど重要ではありません。

ただし、不十分な関数形式は不正確さ（収束の遅延）を引き起こす可能性があります。

関数形式の選択が不適切であっても、変数バイアスが省略されることはありません。変数の省略のみ。

f（x）の代わりにg（x）を使用することは、不十分な関数形式です。g（x、y）の代わりにg（x）を使用すると、変数が省略されます。

— RegressForward
ソース

誤った関数形式は変数バイアスの省略につながる可能性がありますか？

— ハイゼンベルク

x

$x$

x^{2}

$x^2$

x

$x$