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
- 陶哲轩回应传闻：否认暗示 AI 实验室攻克 Navier-Stokes 难题 — elsleightholm · 2026-09-05
- 因果推断新综述:双重稳健灵活调整方法的系统评测 — RexDouglass · 2026-09-05
- 开源 GPC:用采样式预测控制自造数据,训练流匹配机器人策略 — rsasaki0109 · 2026-09-05
- 系列博文重推 AdaGrad:用上界最小化完整复原自适应梯度收敛推导 — aaron_defazio · 2026-09-05
- 研究盘点医学期刊开放科学政策与实践现状 — RexDouglass · 2026-09-05
- 数学家补充：模型不只是一次性解题，专业数学家正这样用 AI — littmath · 2026-09-05