Wykorzystanie domysłów innej osoby jako IV

W oszacowaniach ekonomicznego zwrotu do nauki z nowej próbki bliźniaków autorstwa Orleya Ashenfeltera i Alana Kruegera poprawiają błąd próbkowania za pomocą IV. Twierdzą, że ich wyniki oznaczają większy wpływ wykształcenia na zarobki niż to, co stwierdzono wcześniej.

Każdy respondent ma bliźniaka. Każdego respondenta pyta się, ile zarabiają, co wiąże się z nieodłącznym błędem próbkowania. Następnie bliźniak respondenta jest pytany, ile pieniędzy zarabia pierwszy respondent. Szacunek ten jest wykorzystywany jako IV i razem ujawniają prawdziwy dochód pierwszego respondenta.

Czy to może pomóc ujawnić, ile groszy jest w słoiku? Lub jak bardzo dana osoba lubi kandydata politycznego?

Lub jak to działa? Widzę to jako magię. Jeśli chcę poznać prawdę o czymś, muszę tylko uzyskać drugą opinię?

Instrumenty są używane jako zamiennik zmiennej niezależnej, jeśli uważamy, że zmienna niezależna jest endogenna. Oznacza to, że naszym zdaniem może to być skorelowane z naszym terminem błędu. W przypadku szacowania pieniędzy dokonanych przez bliźniaka mamy model:

$u$

Chcemy, aby nasze instrumenty były odpowiednie i ważne . Co oznacza, że ​​chcemy, aby instrument był skorelowany z domysłem, a także nieskorelowany z terminem błędu. Zgadywanie drugiego bliźniaka byłoby dobrze dopasowane, ponieważ prawdopodobnie jest skorelowane ze zgadywaniem bliźniaka, ale także ich przypuszczenie prawdopodobnie nie koreluje tak bardzo z czynnikami zewnętrznymi, które mogą mieć wpływ na wynagrodzenie ich rodzeństwa.

W twoim hipotetycznym pomiarze groszy w słoiku, zgadywanie drugiego bliźniaka nie będzie dokładniejsze, a może nawet nie występować problem endogeniczności. Ale jeśli próbujesz grup osób zamiast osób, prawdopodobnie możesz oczekiwać, że ten wynik będzie dokładniejszy, jeśli grupy zostaną losowo zgrupowane.

W przypadku, gdy lubisz kandydata politycznego, możesz mieć trudności z argumentowaniem, że zgadywanie bliźniaków na temat przynależności rodzeństwa do polityka może być odpowiednim instrumentem. Ludzie zauważalnie zmieniają swoje poglądy polityczne, gdy są obserwowani przez innych, nawet bliskich członków rodziny. Więc przynajmniej możesz uzyskać jakieś uprzedzenie.

Nie ma magii. Musisz zdać sobie sprawę, że wynik zależy od poprawności założeń:

A) Zakładając, że wystąpił błąd pomiaru, wtedy tak, średnia z dwóch pomiarów będzie średnio bliższa prawdy niż pojedyncza opinia. To bardzo wiarygodne. Wszyscy robimy takie rzeczy przez cały czas. Na przykład, kiedy faktycznie otrzymujemy „drugą opinię” od lekarza, myślimy, że dodanie kolejnej opinii przybliża nas do prawdy.

B) Przy założeniu, że istnieje mniejsza zachęta do kłamania ankieterowi na temat wykształcenia bliźniaka niż na temat twojego, wtedy jednym ze sposobów na zbliżenie się do prawdy jest wykorzystanie informacji bliźniaka na temat wykształcenia jego rodzeństwa, a nie własnej . Autorzy pokazują, że wariancje i kowariancje między różnymi zmiennymi są zgodne z tą hipotezą. Intuicja polega na tym, że rzadziej próbujesz ukryć brak wykształcenia swojego rodzeństwa, niż ukrywasz swój brak wykształcenia.

Oczywiście nie oznacza to, że preferowana interpretacja autorów jest konieczna. Może się zdarzyć, że w raportach dotyczących edukacji twojego bliźniaka występuje szczególny błąd, którego nie wziął pod uwagę. Powiedz na przykład, że przesadzasz różnicę między wykształceniem a jego wykształceniem dokładnie wtedy, gdy występuje duża różnica w wynagrodzeniach. To może zepsuć ich wynik.

Wreszcie dokładny pomysł wykorzystania go jako instrumentu nie polega na tym, że jest to druga opinia. Zamiast tego przyjęto założenie, że „błąd” w tej drugiej wycenie nie jest skorelowany z dochodem, w przeciwieństwie do błędu w zakresie dochodów zgłaszanych przez siebie, który, jak się zakłada, jest skorelowany z dochodem. Oznacza to, że wpływ dochodu na edukację oszacowany na podstawie raportu rodzeństwa jest bezstronny, podczas gdy ten, który wykorzystuje dochód zgłoszony przez siebie, jest tendencyjny. Autorzy twierdzą, że zgłoszony przez siebie współczynnik prowadzi do obniżenia współczynnika, co skutkuje oszacowaniem mniejszego zwrotu z edukacji niż rzeczywisty.