Филатов Александр Юрьевич (Главный научный сотрудник, доцент ШЭМ

эндогенности
alexander.filatov@gmail.com
https://vk.com/alexander.filatov, https://vk.com/baikalreadings
https://youtube.com/alexanderfilatov

течение двух или более периодов времени T.
n > 1, p

Сбалансированная панель – есть значения всех показателей по всем объектам за все периоды времени.
Несбалансированная панель – имеются пропущенные данные.

Панельные данные можно оценивать, как и обычную пространственную выборку , однако мож-но учесть особенности структуры, в частности, влияние пропущенных переменных, различное для разных объектов, но постоянное во времени.

= 2:
На результирующий показатель y влияют не только анализируемые регрессоры

Если вычесть одно уравнение из другого, все переменные z(1),…,z(q) сокращаются:

Этот способ может быть использован и при наличии большего числа периодов (чаще всего рассматриваются приращения от первого до пос-леднего периода), но лучше не отбрасывать промежуточные потенци-ально полезные данные.

но различны для разных объектов, обозначим
Коэффициенты αi («фиксированные эффекты») отражают

Для нахождения фиксированных эффектов можно ввести бинарные пе-ременные , равные единице для соответствующего объекта и нулю в противном случае. Данный механизм очень похож на механизм дамми-переменных. Если вводятся все n бинарных переменных, из мо-дели исключается свободный член. Как альтернатива, один из объектов (например, последний) берется за базу, и для него бинарная переменная не вводится.

быть построена модель с фиксированными временными эффектами, если мы предполагаем,

Для нахождения фиксированных временных эффектов можно ввести бинарные переменные , равные единице для соответствую-щего момента времени и нулю в противном случае. Если вводятся все T бинарных переменных, из модели исключается свободный член. Как альтернатива, один из периодов времени (например, последний) берется за базу, и для него бинарная переменная не вводится.

Можно включить в модель одновременно индивидуальные и временные фиксированные эффекты:

регрессоров и случайной ошибки.
Если в регрессионной модели регрессоры коррелируют с ошибкой,

Причины эндогенности:
Наличие пропущенных переменных.
Ошибки измерения регрессоров.
Самоотбор при формировании выборки.
Одновременность, обратная зависимость.
Автокорреляция ошибок при наличии лаговых переменных.

Последствия проблемы эндогенности:
Смещенность и несостоятельность МНК-оценок коэффициентов.
Неверная содержательная интерпретация и рекомендации, вырабо-танные на основе модели.

Разные источники эндогенности могут иметь место одновременно, могут как усиливать, так и компенсировать друг друга.

незначимые факторы – это уменьшает эффективность, но важнее рост состоятельности.
Примеры:
##

## При анализе влияния цены или рекламы на объемы продаж часто пропускают важные, но плохо наблюдаемые характеристики рынков или товаров (уровень конкуренции и доли конкурентов, ожидания, изменения предпочтений, уровень доходов), коррелированные с ценой или рекламой, что приводит к смещению оценок.
Цены квартир положительно коррелирует с доходами (в богатых регионах жилье дороже. Следовательно, эффект цены занижается:

ошибок:
Метод измерения (эффект интервьюирующего, искажения от соци-альной желательности,…).
Инструмент измерения (число

Самоотбор при формировании выборки

Индивиды выбирают определенное состояние, руководствуясь скрыты-ми причинами.

## Данные интернет-магазинов – более молодые и продвинутые поль-зователи. Данные телефонных опросов – те, кто сидит дома.

переменные являются объясняющими в одних уравнениях и ре-зультирующими в других.
Автокорреляция

## Рекламные воздействия на потребителя часто являются функциями прошлых продаж.

## Любые равновесия, например, спроса и предложения – объем продаж и цена формируются одновременно.
## Связь между качеством институтов и богатством страны – что явля-ется причиной, а что следствием.

– переменные z, связанные с x, но не связанные c

Противоречивость требований к инструментам: z – коррелирует с x, x – коррелирует с y. Следовательно, z коррелирует с y.

Варианты разрешения:
Экзогенные (нет корреляции с ошибкой), но слабые инструменты (слабо связаны с x) – валидные.
Сильные (сильно связаны с x), но эндогенные (есть корреляция с ошибкой) инструменты – релевантные.

Примеры инструментов:
Зависимость спроса от цены. Инструментами могут являться факторы, сдвигающие предложение, например, налоги или цены соседних рынков.
## Налоги влияют на цену, но не влияют на спрос.
## Цены соседних рынков связаны между собой, но не влияют на спрос.

Построение зависимости объясняющей переменной от инстру-мента:
Шаг 2. Построение зависимости результирующей

Пример:
Месячный спрос и предложение на рынке пирожных заданы функциями qD = 150 – p, qS = 3p – 150 (функции неизвестны исследователю!) При этом имеются существенные случайные отклонения от равновесия.
В распоряжении исследователя имеются помесячные данные о ценах и объемах продаж за 2,5 года, а также информация о том, что за этот период трижды менялся налог (0 → 10 → 6).
Необходимо оценить зависимость спроса напрямую и через метод инст-рументальных переменных.