中介效应最新进展: 中介效应中的工具变量法使用方法及其代码!

最新一期Stata程序及使用方法:

Comparing distributions of ordinal data
S. P. Jenkins
sfcount: Command for count-data stochastic frontiers and underreported and overreported counts
E. Fé and R. Hofler
emagnification: A tool for estimating effect-size magnification and performing design calculations in epidemiological studies
D. J. Miller, J. T. Nguyen, and M. Bottai
Local Whittle estimation of the long-memory parameter
C. F. Baum, S. Hurn, and K. Lindsay
A command to estimate and interpret models of dynamic compositional dependent variables: New features for dynsimpie
Y. S. Jung, F. D. S. Souza, A. Q. Philips, A. Rutherford, and G. D. Whitten
A simple test for power-law behavior
C. M. Urzúa
Causal mediation analysis in instrumental-variables regressions
C. Dippel, A. Ferrara, and S. Heblich
Endogenous switching regression model and treatment effects of count-data outcome
T. Hasebe
Smooth varying-coefficient models in Stata
F. Rios-Avila
Pairwise meta-analysis of aggregate data using metaan in Stata
E. Kontopantelis and D. Reeves
Uniform nonparametric inference for time series using Stata
J. Li, Z. Liao, and M. Gao
Multistate life tables using Stata
J. O. Muniz
Speaking Stata: Is a variable constant?
N. J. Cox

正文

以下引荐的是'工具变量回归中的因果中介分析',主要解决内生性处理变量和中介变量问题。

Dippel C, Ferrara A, Heblich S. Causal mediation analysis in instrumental-variables regressions. The Stata Journal. 2020;20(3):613-626. doi:10.1177/1536867X20953572
In this article, we describe the use of ivmediate, a new command to estimate causal mediation effects in instrumental-variables settings using the framework developed by Dippel et al. (2020, unpublished manuscript). ivmediate allows estimation of a treatment effect and the share of this effect that can be attributed to a mediator variable. While both treatment and mediator can be potentially endogenous, a single instrument suffices to identify both the causal treatment and the mediation effects.
关于中介或调节效应,可以参看1.计量回归中的交互项到底什么鬼? 捎一本书给你2.计量经济学中'交互项'相关的5个问题和回应3.实证机制分析那些事,机制分析什么鬼?4.政策评估中'中介效应'因果分析, 增添了文献和Notes5.内生变量的交互项如何寻工具变量, 交互项共线咋办6.因果中介效应分析出现在顶刊, 是时候使用新方法了7.中介和调节效应自助法检验,针对非正态截面数据8.面板数据中介效应的计算程序, 打开面板这扇门9.中介和调节效应操作指南, 经典书籍和PPT珍藏版10.中介效应分析的四种方式, 原则方法和应用综述11.中介效应分析的方法和模型, 一篇听说必须看的文献12.多重中介效应的估计与检验, Stata MP15可下载13.具有调节变量的中介效应分析, moderated mediation14.具有调节变量的中介效应程序和数据, 独家解读相关结果15.有限混合模型FMM,异质性分组分析的新筹码16.省份/行业固定效应与年份固定效应的交乘项固定效应17.面板数据中去中心化的交互项回归什么情况18.面板交互固定效应是什么, 白聚山教授推动了最前沿的研究19.跨数据比较回归系数技巧22.U型, 倒U型, 还是线性关系, 你平常的做法不靠谱23.中介变量需要放到回归中去吗?何时放何时不放?24.多个中介变量如何检验中介效应?25.调节变量, 中介变量和控制变量啥区别与联系?26.logit和probit模型中的交叉项, 如何求边际效应
在了解“中介效应中的工具变量方法”前,先了解一些关于因果中介方法的介绍:因果中介效应分析出现在顶刊, 是时候使用新方法了政策评估中'中介效应'因果分析, 增添了文献和Notes
在许多情况下,研究人员希望了解处理变量X对结果变量Y的影响机制。例如,Becker和Woessmann(2009)对韦伯假设感兴趣,即宗教,特别是新教,影响经济增长。由于新教促进了圣经的阅读,他们认为宗教对经济增长影响的一个潜在机制是通过人力资本积累,特别是通过提高识字来发挥作用的。鉴于宗教在各地区的流行可能不是随机的,他们引入了一个工具变量(IV),并表明新教导致了较高的识字率,从而促进了经济增长。他们得出了中介作用范围的合理界限,但缺乏一个正式的因果框架来估计宗教对通过扫盲实现的经济增长的间接影响。
下面这篇文章和程序,主要针对“处理变量X和中介变量M可能内生的情况下,如何使用一个工具变量IV估计出直接效应和间接效应”。这种情况非常常见,就算没有M,处理变量X与结果变量Y之间可能因双向因果、测量误差等导致内生性问题。现在我们需要通过X——M——Y的路径,分离出中介效应和直接效应,若X和M可能是内生变量,那需要分别为X和M找一个工具变量进行估计吗?这两位同仁Markus Frölich和Martin Huber的'Direct and indirect treatment effects–causal chains and mediation analysis with instrumental variables'确实这么做的。但现在,Dippel等人在2019年的文章'Mediation Analysis in IV Settings With a Single Instrument'证明,一个工具变量IV就可以估计出因果中介效应。
估计环节如下,不过至于文章里的细节,各位学者可以在咱们社群里开展深入交流。
使用如下ivmediate程序所做的估计,其中工具变量为到Wittenberg的距离,因为距离这个地方越近,越容易因传教而成为新教徒,并最终通过提高识字率促进了经济增长。
估计的结果如下,但关于弱工具变量检验等被我们省略掉了。
上面这些文章和相关代码都可以自己下载尝试。
(0)

相关推荐