跳到内容
返回探索
应用数学 / 英语

两阶段最小二乘|Ben Lambert

Ben Lambert · YouTube · 8:24

打开原视频
阅读与收藏

把讲解展开来看。

被收藏 0

已审核学习内容 · 视频分析 · 中文
阅读完整概览

介绍针对内生解释变量的两阶段最小二乘,并说明工具变量质量的重要性。

在学习检查器中查看要点和时刻,或切换阅读标签查看完整笔记。

章节

0:00投影内生解释变量3:00使用第一阶段拟合值6:00工具变量更多并非必然更好

学习解说文稿

依据视频画面与讲解整理,并非逐字语音转写。

第一阶段将内生解释变量对工具变量及外生控制变量回归,拟合值表示由这些变量解释的部分。

第二阶段在结构回归中,用上述拟合值替代内生解释变量。有效性需要工具变量外生且足够相关;直接套用普通第二阶段标准误,通常不是正确的两阶段估计不确定性。

视频提醒,弱工具或冗余工具会损害有限样本表现。提高效率的结论需要有效工具及相应模型条件,并应评估第一阶段的强度。

知识卡片

01

投影内生解释变量

第一阶段将内生解释变量对工具变量及外生控制变量回归,拟合值表示由这些变量解释的部分。

02

使用第一阶段拟合值

第二阶段在结构回归中,用上述拟合值替代内生解释变量。有效性需要工具变量外生且足够相关;直接套用普通第二阶段标准误,通常不是正确的两阶段估计不确定性。

03

工具变量更多并非必然更好

视频提醒,弱工具或冗余工具会损害有限样本表现。提高效率的结论需要有效工具及相应模型条件,并应评估第一阶段的强度。

探索视频中的知识

打开视频知识图谱 →

  • 最小二乘 应用定位 0:00
    查看关联依据

    第一阶段将内生解释变量对工具变量及外生控制变量回归,拟合值表示由这些变量解释的部分。 第二阶段在结构回归中,用上述拟合值替代内生解释变量。有效性需要工具变量外生且足够相关;直接套用普通第二阶段标准误,通常不是正确的两阶段估计不确定性。 视频提醒,弱工具或冗余工具会损害有限样本表现。提高效率的结论需要有效工具及相应模型条件,并应评估第一阶段的强度。