Sự khác biệt về sự khác biệt trong hồi quy 2SLS

Thông thường khi chúng tôi thực hiện ước tính chênh lệch chênh lệch, chúng tôi thực hiện dưới dạng giảm OLS như sau: Tuy nhiên, tôi đã tự hỏi, nếu nhóm là nội sinh (ví dụ: tự chọn), nhưng chúng tôi có thể xác định nhóm "đủ điều kiện" để điều trị, liệu có chính xác hơn để ước tính độ lệch -in-diff ở dạng OLS / 2SLS là: và nhận , sau đó T r e a t m e

$$Y_{it}=\alpha After_t+\gamma Treatment_i+\delta After*Treatment_{i,t}+X_{it}\beta+\epsilon_{i,t}$$ T r e một t m e n t i , t = c o n s t một n t + α Một f t e r t + γ E l i g i b l e i + δ Một f t e r * E l i g i b l e i , t$Treatment$ $$Treatment_{i,t}=constant+\alpha After_t+\gamma Eligible_i+\delta After*Eligible_{i,t}+\epsilon_{i,t}$$ $\hat{Treatment_{i,t}}$

$$Y_{i,t}=X_{it}\beta+\delta\hat{Treatment_{i,t}}+\epsilon_{i,t}$$

Làm thế nào chúng ta nên hiểu khác biệt trong mẫu OLS / 2SLS? Có bài báo nào sử dụng chiến lược nhận dạng đặc biệt này mà tôi có thể xem qua không?

Cảm ơn bạn rất nhiều trước!

Chà, nếu bạn tin rằng việc điều trị là nội sinh (điều này phụ thuộc vào vấn đề hiện tại và không phải là một tính năng vốn có của mô hình), thì việc sử dụng tính hợp lệ làm biến công cụ sẽ giúp bạn thoát khỏi những sai lệch do lựa chọn an toàn trong việc chữa trị. (Ngẫu nhiên, DID có ý định làm tương tự, nhưng sẽ không làm tốt công việc như một công cụ được lựa chọn tốt, vì vậy có một số nghi ngờ rằng liệu áp dụng cả hai sẽ tốt hơn sau đó chỉ dùng một). Tuy nhiên, tùy thuộc vào bạn để quyết định xem liệu đủ điều kiện có phải là ngoại sinh hay không, vì điều đó có thể là, những người đang mong đợi trở lại điều trị cao hơn đảm bảo đủ điều kiện.

Nhận thấy rằng chúng tôi tin rằng có một số thành kiến ​​không được DID loại bỏ và việc đủ điều kiện có thể giúp chúng tôi, vẫn còn những cân nhắc về hiệu quả. Trong nhiều trường hợp, tính đủ điều kiện có thể là một công cụ yếu và sau đó việc giảm là sai lệch sẽ xảy ra với chi phí mất hiệu quả đáng kể.

Và xem xét các đặc điểm kỹ thuật cụ thể mà bạn đã có đường, có vẻ như không hợp lý trong cài đặt chung. Bạn có thể chọn khi bạn tin rằng tính đủ điều kiện đang thay đổi nhanh chóng hoặc thuật ngữ tương tác trong phương trình thứ hai thường không có ích. Bao gồm thời gian Sau khi trong phương trình đó có thể có những hậu quả thậm chí còn quyết liệt hơn, vì nó có khả năng là nội sinh và sẽ làm suy yếu hiệu ứng giảm sai lệch. Nếu không phải là nội sinh, thì có vẻ như không đáng kể cũng như tương tác, trừ khi việc điều trị đang thay đổi nhanh chóng.

Vì vậy, trong trường hợp này, tôi khuyên bạn chỉ nên để đủ điều kiện là một công cụ trong phương trình đầu tiên và chỉ định cái thứ ba trong một hình thức DID.

Đối với việc giải thích, đặc điểm kỹ thuật của tôi không cho phép diễn giải tốt về sự khác biệt trong các thay đổi ở hai nhóm nhỏ và nên được hiểu là sự khác biệt về thay đổi trong hai nhóm phụ giả định trong đó mỗi người được phân chia giữa chúng với một số trọng số.

Tuy nhiên, đặc điểm kỹ thuật của bạn sẽ mất tất cả các giải thích là DID, vì bạn không sử dụng hệ số tương tác kết quả, mà chỉ sử dụng nhiều biến hơn làm công cụ để điều trị.

Thật không may, có lẽ vì những lý do đã nói ở trên, tôi đã không thể nhớ lại hoặc tìm thấy bất kỳ giấy tờ thích hợp nào, xin lỗi về điều đó.

Vấn đề lựa chọn điều trị dựa trên một số biến quan sát không nhập phương trình kết quả được giải quyết bằng cách tiếp cận chỉ số tiềm ẩn hoặc phương pháp 2 bước của Heckman. Một khó khăn với Heckman 2 bước là yêu cầu tìm một công cụ hợp lệ, nhưng nếu bạn đã có, nó sẽ giải quyết vấn đề điều trị nội sinh của bạn.