지난 몇 달 동안 저는 이번 여름에 석사 논문 준비를위한 Quantile 회귀에 대해 집중적으로 읽었습니다. 구체적으로 나는이 주제에 관한 Roger Koenker의 2005 년 책 대부분을 읽었습니다. 이제이 기존 지식을 확장하여 도구 변수 (IV)를 허용하는 회귀 기술을 양자화하려고합니다. 이것은 빠른 속도로 성장하고있는 활발한 연구 분야 인 것 같습니다.
누군가 나에게 제안 할 수 있습니까?
나는 주로 저를 시작하고 거기에 무엇이 있는지에 대한 좋은 개요를 얻기 위해 문학을 찾고 있습니다. 첫 번째 요점이 중요합니다. 두 번째와 세 번째는 좋을 것입니다! 또한 저는 주로 횡단면 방법에 관심이 있지만 패널 방법도 환영합니다.
미리 감사드립니다.
답변:
나는 7 개의 Chernozhukov와 Hansen IVQR 논문을 한눈에 볼 것입니다.2005 년 논문이 종종 인용됩니다. 또한 MATLAB, OX 및 Stata의 데이터 및 코드에 대한 링크를 제공합니다.
이 문헌에서 자주 인용되는 다른 논문은 Abadie, Angrist, Imbens (2002) 이다.
특히 Stata를 사용하는 경우 Frolich and Melly (2010) 및 Kwak (2010) 도 확인할 가치가 있습니다. 둘 다 코드를 제공합니다.
이 질문에 이미 정답이 있지만이 질문에 여전히 기여할 수 있다고 생각합니다. Koenker (2005) 책은 IV Quantile 회귀 분석의 개발이 그시기에 시작되기 때문에 실제로 멀지 않을 것입니다.
초기 IV Quantile 회귀 기법에는 Chesher (2003) 의 인과 사슬 프레임 워크가 포함 되는데 , Ma와 Koenker (2006) 는 가중 평균 편차 접근 방식 (WAD)에서 추가로 개발했다 . 이 논문에서 그들은 또한 제어 변수 접근 방식을 소개합니다. 제어 기능을 사용하여 IV 양자 회귀 추정기를 도출 한 Lee (2007)도 비슷한 아이디어를 사용했다 .
이러한 모든 추정기는 식별에 필요한 가정 된 삼각 오차 구조를 사용합니다. 이것의 문제점은이 삼각형 구조가 동시성으로 인해 발생하는 내 생성 문제에 대해 불가능하다는 것입니다. 예를 들어, 이러한 견적 도구를 수요-수요 추정 문제에 사용할 수 없습니다.
Dimitriy V. Masterov가 언급 한 Abadie, Angrist and Imbens (2002)의 추정자는 이항 내생 변수와 이진 도구가 모두 있다고 가정합니다. 일반적으로 이것은 매우 제한적인 프레임 워크이지만 선형 회귀 IV에서 회귀를 양자화하기 위해 LATE 방식을 확장합니다. 많은 경제학자, 특히 경제학자들이 후기 개념과 결과 계수의 해석에 익숙하기 때문에 이것은 좋은 일입니다.
Chernozhukov와 Hansen (2005)의 논문은 실제로이 문헌을 시작했으며이 두 사람은이 분야에서 많은 작업을 수행했습니다. IVQR (IV Quantile Regression Estimator)은 Quantile 컨텍스트에서 2SLS 추정기와 자연스럽게 연결됩니다. Dimitriy가 지적한 것처럼 그들의 추정기는 Matlab 또는 Ox를 통해 구현되지만 Kwak (2010) 논문을 잊을 수 있습니다. 이 논문은 Stata 저널에 작성되지 않았으며 그의 코드도 제대로 작동하지 않습니다. 그가이 프로젝트를 포기했다고 가정합니다.
대신 Kaplan과 Sun 의 평활 추정 방정식 IVQR (SEE-IVQR) 추정기를 고려해야합니다 (2012).. 이것은 계산 속도 측면에서 원래 IVQR 추정기보다 개선 된 (최근의 그리드 검색 알고리즘을 피함) 평균 제곱 오차 인 최근 추정기입니다. Matlab 코드는 여기에 있습니다 .
Frölich와 Melly (2010)의 논문은 조건부와 무조건 Quantile 회귀의 차이를 고려하기 때문에 좋습니다. 일반적으로 Quantile 회귀 분석의 문제점은 일단 회귀 분석에 공변량을 포함 시키면 해석이 변경된다는 것입니다. OLS에서는 반복적 인 기대 법칙을 통해 조건부에서 무조건 부로 갈 수 있지만 Quantile의 경우에는 사용할 수 없습니다. 이 문제는 Firpo (2007) 및 Firpo et al. (2009). 그는 조건부 양자 회귀 계수를 일반적인 OLS 계수로 해석 할 수 있도록 주변 중심 영향 함수를 사용합니다. 귀하의 목적을 위해이 추정기는 외인 변수 만 허용하기 때문에별로 도움이되지 않습니다. 관심이 있으시면 Nicole Fortin은 Stata 코드를 웹 사이트에서 사용할 수있게합니다.
내가 아는 가장 최근의 무조건 IV 양자 회귀 추정량은 Powell (2013) 입니다. 그의 일반화 된 (IV) Quantile 회귀 추정기는 내생의 존재 하에서 한계 Quantile 처리 효과를 추정 할 수있게합니다. RAND 웹 사이트의 어딘가에 Stata 코드도 제공하고 있지만 지금은 찾을 수 없었습니다. 당신이 그것을 요구 한 이후 : 이전 논문에서 그는이 추정기를 패널 데이터 맥락에서 구현했다 ( Powell, 2012 참조 ). 이 추정기는 이전의 모든 패널 데이터 QR 방법과 달리이 추정기가 큰 T 무증상 (일반적으로 미시 경제 학적 데이터에는없는)에 의존하지 않기 때문에 훌륭합니다.
마지막으로,보다 이국적인 변형 : Chernozhukov 등 의 검열 된 IVQR 추정기 (CQIV) . (2011) 은 이름에서 알 수 있듯이 검열 된 데이터를 관리 할 수 있습니다. 그것은 Chernozhukov와 Hong (2003)의 논문의 연장이며 IV 맥락이 아니기 때문에 연결하지 않습니다. 이 추정기는 계산이 무겁지만 데이터를 검열하고 그 밖의 다른 방법이 없다면이 방법입니다. Amanda Kowalski가 Stata 코드를 웹 사이트에 게시했거나 다음 사이트에서 다운로드 할 수 있습니다. RePEc. 이 추정기 (및 IVQR 및 SEE-IVQR)는 연속적인 내생 변수가 있다고 가정합니다. 나는 교육이 18에서 20 사이의 값을 가진 내인성 변수 인 소득 회귀와 관련하여 이러한 추정기를 사용했는데, 이는 정확히 연속적이지 않습니다. 그러나 시뮬레이션 연습에서는 항상 이것이 문제가 아님을 보여줄 수있었습니다. 그러나 이것은 응용 프로그램에 따라 다를 수 있으므로 사용하기로 결정한 경우 다시 확인하십시오.
Quantile Regression 의 새로운 핸드북에는 다음과 같은 주제에 대한 두 가지 훌륭한 장이 있습니다.