I4R 工作论文:IV 研究中的「工具变量挑拣」会系统性带偏估计
RexDouglass · x · 2026-09-05
Keane、Neal 与 Vu 在 I4R 系列工作论文《Instrument-Hacking》中指出,实证研究者在做工具变量(IV)估计时,常常评估多个候选工具变量,然后选择性报告第一阶段或第二阶段统计量最好看的那个设定。这种「工具变量挑拣」会使 IV 估计量产生偏向 OLS 估计量的中位数偏误,削弱使用 IV 的初衷。
- 当所有候选工具变量真实强度相同时,中位数偏误随可用工具变量数量单调递增。
- 若候选工具变量真实强度不同,单调性不一定成立(更多候选可能让研究者选中真正更强的工具)。
- 但按 IV 文献中工具变量强度的经验分布校准的模拟显示,偏误依然随候选数量单调增加,且即便候选很少时偏误也相当可观。
论文涉及 2SLS、GMM、因果推断与 size distortion 等主题。
「研究」频道最新
- 上述扩散语言模型偏见研究上线可交互 demo,可扫全部采样组合 — Bollegala · 2026-10-23
- 扩散语言模型的偏见排名随采样配置改变,去偏后仍不稳定 — Bollegala · 2026-10-23
- Google 量子 AI 上线可验证量子线路编译 Kaggle 赛题 — JFPuget · 2026-10-23
- 聚合各实验室 tokenizer 发现约 994 个跨代稳定的通用 token — kalomaze · 2026-10-23
- 研究者让 Grok 自己写提示词，追查 X 上 LLM 驱动的阿联酋水军网络 — FlorianGallwitz · 2026-10-23
- 开发者把 Qwen3-0.6B 改造成 MoE：质量下降，0.6B 级别提速有限 — Bayliner1980 · 2026-10-23