如何在R中的“ ivprobit”包中使用“ ivprobit”功能？

请注意，这里我们讨论的是sintax，而不是模型的“优点”，对于这种问题，您应该参考https://stats.stackexchange.com/。

让我们用这个公式为例：。

正确指出的是，方程式中并没有真正包含的内容，这只是一个例子。

这里：

• 是因变量；

• 是“有问题”的内生变量（一个或多个）；

• 是不是“有问题的”的外生变量（一个或多个）；
• 是“帮助”内生变量的工具（一种或多种）；

为什么内源性有问题？因为它们与误差相关，所以这会导致经典OLS估计出现问题。

之所以使用这些工具，是因为它们具有一些基本的特性（更多信息请参见此处）：

• 独立于误差项；
• 不影响给定的保持不变；
• 与关联。

在提议的sintax中，我们有：

• x，外生的，对应于（没有问题的）；
• y1，内生的，对应于（有问题的）；
• x2，全套仪器，对应于。

在您引用的示例中，x2与共享一些公共变量x，这是一组外生变量（没有问题），另外还有两个工具。

该模型使用3个外生变量作为工具，外加另外两个变量。

我不明白x和x2之间的区别

x2是可以与外生变量（x）重叠或不重叠的工具。

如果x2是完整的工具集，为什么它还不包含内生变量y1？

它不能包含内生变量，因为这些是使用工具需要方程式照顾的变量。

一个例子：

您想建立一个模型，以预测是否有两个父母家庭中的妇女受雇。您具有以下变量：

• fem_works，响应或因变量；
• fem_edu，女人的教育水平，外生；
• kids，这对夫妇的孩子数量，外生；
• other_income，家庭收入，内生的（您知道这是先验知识）；
• male_edu，男人，工具的学历（您选择此）。

使用ivprobit，这将是：

mod <- ivprobit(fem_works ~ fem_edu + kids | other_income | fem_edu + kids + male_edu, data)

other_income对于模型而言，这是有问题的，因为您怀疑它与误差项相关（其他冲击可能会同时影响fem_works和other_income），因此您决定将其male_edu用作一种工具，以“缓解”该问题。（示例取自此处）