关于顶级外刊工具变量的使用最全策略,不收藏反复读就不要谈IV估计！
关于下方文字内容，作者：仇旸，英国华威大学经济学，通信邮箱：*********************.uk
注: 文章中有些地方不一定准确，建议读完之后再看看原文。governance
David F.Larcker & Tjomme O.Rusticusb. On the use of instrumental variables in accounting research, Journal of Accounting and Economics, Volume 49, Issue 3, April 2010, Pages 186-205.Instrumental variable (IV) methods are commonly used in accounting research (e.g., earnings management, corporate governance, executive compensation, and disclosure research) when the regressor variables are endogenous. While IV estimation is the standard textbook solution to mitigating endogeneity problems, the appropriateness of IV methods in typical accounting research settings is not obvious. Drawing on recent advances in statistics and econometrics, we identify conditions under which IV methods are preferred to OLS estimates and propose a series of tests for research studies employing IV methods. We illustrate these ideas by examining the relation between corporate disclosure and the cost of capital.
一．概述
当回归变量为内生时，工具变量（IV）法在会计研究中得到了广泛应用，比如盈余管理、公司治理、高管薪酬和披露研究。根据课本，IV估计是解决内生性问题的标准方法，但它在典型会计研究场景中并不那么适用。依据统计学与计量经济学的最新进展，作者确定了IV法优于OLS估量的条件，并对使用IV法的研究做出了检验。文章通过检测公司披露与资本成本的关系，进而阐述这些观点。
二．前言
工具变量（IV）法通常被运用于会计研究中，以通过观测数据解决一些计量问题，比如结果变量和解释变量被同时确立（联立方程偏差问题）。然而，当一个变量同时影响结果变量和解释变量但并没有出现在回归方程中时，相关变量遗漏偏差问题就会出现。上述的两个问题在会计研究中都是普遍存在的，为了解决这样的问题，工具变量法被应用在多方程模型（以解决联立问题）和单一方程模型（以解决遗漏变量问题）中。在传统IV应用过程中，研究人员首先要选择一系列外生变量，然后使用二阶段最小二乘法（2SLS）或其他相似的方法来估测回归模型中的系数。如果研究人员可以到合适的工具变量，即与内生回
归变量有关但与结构方程的误差无关，上述关于内生性问题的解决方法就可以使用。然而，这样的工具变量很难到：Maddala质疑了工具变量的来源，Reiss和Wolak也讨论了如何寻工具变量，并指出只要在内生变量中加入随机误差，就可以得到最佳的工具变量。所以，研究人员有必要知道使用不适合的工具变量的后果。本文旨在评价IV在会计研究中的应用，综合统计和计量经济学中关于IV估计量的大量文献，并为会计研究者提供一个IV法的使用指导。文章的分析结论以及数据模拟结论指出，当工具变量与回归变量弱相关时，即使该工具变量内生性很小，IV法估测仍会导致高度偏倚。在这种情况下，相对于完全不纠正内生性问题的OLS法而言，IV法估测结果更加偏倚，更可能导致错误的统计判断。但是，作者并没有表示会计研究的内生性问题无法解决。相反，文章指出研究人员有必要通过经济原理证明工具变量，并对弱工具变量以及过度识别的限制条件进行针对性测试。作者也认为OLS结论对不可观测相关变量的敏感性评估也是十分有用的，相关方法可以参照Frank(2000), Rosenbaum(2002), DiPrete and Gangl(2004)相关文献。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。