Instrumental variables estimation (original) (raw)
Die Instrumentvariablenschätzung (kurz: IV-Schätzung), auch Methode der Instrumentvariablen, oder Instrumentvariablenmethode ist ein Oberbegriff für bestimmte Schätzverfahren in der schließenden Statistik. Ziel der IV-Methode ist es, bei einer Regressionsanalyse eine Korrelation zwischen den erklärenden Variablen und dem Fehlerterm auszuschließen. Dies geschieht, indem man die erklärenden Variablen durch andere Größen ersetzt, die zwar in engem Zusammenhang mit ihnen stehen, aber nicht mit dem Fehlerterm korrelieren oder eine Linearkombination anderer erklärender Variablen darstellen.
| Property | Value |
|---|---|
| dbo:abstract | Die Instrumentvariablenschätzung (kurz: IV-Schätzung), auch Methode der Instrumentvariablen, oder Instrumentvariablenmethode ist ein Oberbegriff für bestimmte Schätzverfahren in der schließenden Statistik. Ziel der IV-Methode ist es, bei einer Regressionsanalyse eine Korrelation zwischen den erklärenden Variablen und dem Fehlerterm auszuschließen. Dies geschieht, indem man die erklärenden Variablen durch andere Größen ersetzt, die zwar in engem Zusammenhang mit ihnen stehen, aber nicht mit dem Fehlerterm korrelieren oder eine Linearkombination anderer erklärender Variablen darstellen. (de) In statistics, econometrics, epidemiology and related disciplines, the method of instrumental variables (IV) is used to estimate causal relationships when controlled experiments are not feasible or when a treatment is not successfully delivered to every unit in a randomized experiment. Intuitively, IVs are used when an explanatory variable of interest is correlated with the error term, in which case ordinary least squares and ANOVA give biased results. A valid instrument induces changes in the explanatory variable but has no independent effect on the dependent variable, allowing a researcher to uncover the causal effect of the explanatory variable on the dependent variable. Instrumental variable methods allow for consistent estimation when the explanatory variables (covariates) are correlated with the error terms in a regression model. Such correlation may occur when: 1. * changes in the dependent variable change the value of at least one of the covariates ("reverse" causation), 2. * there are omitted variables that affect both the dependent and independent variables, or 3. * the covariates are subject to non-random measurement error. Explanatory variables that suffer from one or more of these issues in the context of a regression are sometimes referred to as endogenous. In this situation, ordinary least squares produces biased and inconsistent estimates. However, if an instrument is available, consistent estimates may still be obtained. An instrument is a variable that does not itself belong in the explanatory equation but is correlated with the endogenous explanatory variables, conditionally on the value of other covariates. In linear models, there are two main requirements for using IVs: * The instrument must be correlated with the endogenous explanatory variables, conditionally on the other covariates. If this correlation is strong, then the instrument is said to have a strong first stage. A weak correlation may provide misleading inferences about parameter estimates and standard errors. * The instrument cannot be correlated with the error term in the explanatory equation, conditionally on the other covariates. In other words, the instrument cannot suffer from the same problem as the original predicting variable. If this condition is met, then the instrument is said to satisfy the exclusion restriction. (en) En estadística, econometría, epidemiología y disciplinas afines, el método de variables instrumentales (VI) se utiliza para estimar relaciones causales cuando los experimentos controlados no son factibles. El método de variables instrumentales permite una estimación consistente cuando las variables explicativas (covariables) se correlacionan con los términos de error de la regresión. Dicha correlación puede ocurrir cuando la variable dependiente causa por lo menos una de las covariables (relación causal "inversa"), cuando hay variables explicativas relevantes que se han omitido en el modelo, o cuando las covariables están sujetas a errores de medición. En esta situación, la regresión lineal generalmente produce estimaciones sesgadas e inconsistentes. Sin embargo, si un instrumento está disponible, aún puede obtenerse estimaciones consistentes. Un instrumento es una variable que no pertenece en sí en la ecuación explicativa y se correlaciona con las variables explicativas endógenas, condicionada a las otras variables. En los modelos lineales, hay dos requisitos principales para el uso de un IV: * El instrumento debe estar correlacionado con las variables explicativas endógenas, condicionada a las otras variables. * El instrumento no puede estar correlacionado con el término de error en la ecuación explicativa, es decir, el instrumento no puede sufrir el mismo problema que la variable original que pretende predecir. (es) En statistique et en économétrie, la méthode des variables instrumentales est une méthode permettant d'identifier et d'estimer des relations causales entre des variables. Cette méthode est très souvent utilisée en économétrie. (fr) 操作変数法（そうさへんすうほう、英: method of instrumental variables, IV）とは、統計学、計量経済学、疫学、また関連分野において、統制された実験が出来ない時、もしくは処置がランダムに割り当てられない時に、因果関係を推定するための方法である。直感的に言えば、操作変数は説明変数と被説明変数の間の相関が二変数間の因果関係をもっともらしく反映していない時に用いられる。妥当な操作変数は説明変数に影響を与えるが被説明変数に独立的な影響を持たず、研究者が被説明変数に対する説明変数の因果効果を明らかにすることを可能とする。 操作変数法は説明変数（共変数）が回帰モデルにおける誤差項と相関している時にすることを可能とする。このような相関は、被説明変数の変化が共変数の少なくとも一つの値を変化させる時（"逆"の因果）、説明変数と被説明変数の双方に影響を与える除外変数が存在する時、共変数に測定誤差がある時（error-in-variables models）に起こるだろう。回帰の文脈において一つないしは複数の問題を持つ説明変数は時折、内生性として言及される。この状況下では、最小二乗法はバイアスを持ち一致性を持たない推定量を生み出す。しかし、もし操作変数が利用可能ならば、一致推定量を得ることができる。操作変数とはそれ自身は説明すべき方程式には依存していないが、内生的な説明変数とほかの共変数の値による条件の下で相関している変数のことである。線形モデルにおいては操作変数法を用いるために二つの必要な仮定がある。 * 操作変数は他の共変数で条件付けた時に、内生的な説明変数と相関しなくてはならない。もしこの相関が統計的に有意なほど高ければ、その操作変数は強い第一段階（英: strong first stage）を持つと言う。相関が弱いとパラメータの推定値と標準誤差について間違った推論を導きかねない。 * 操作変数は説明方程式の誤差項と他の共変数で条件付けた時に相関してはならない。言い換えると、操作変数は元の予測変数と同じ問題に直面することがない。もしこの条件が満たされているならば、その操作変数は除外制約（英: exclusion restriction）を満たすと言う。 (ja) 도구 변수 (instrument variable)란 통계학에서 사용되는 용어의 일종이다. 두가지 변수 X(원인) 와 Y(결과)를 가정했을 때 Y가 X에 의해 영향을 받는지 확인하고 싶은 경우, X에만 영향을 끼치고 Y에는 영향을 끼치지 않음을 이미 알고 있는 변수K를 추가했을 때 X, Y 의 변화를 추적함으로써 X가 정말로 Y에 영향을 미치는지 확인할 수 있다. 이와같은 확인작업에 사용되는 변수 K를 X, Y 에 대한 도구 변수라고 칭한다. (ko) In statistica, la stima con il metodo delle variabili strumentali è utilizzata nell'analisi di regressione lineare. Un'ipotesi standard del modello classico di regressione lineare è che le variabili esplicative non siano correlate con la componente non spiegata, o disturbo; laddove tale ipotesi viene meno, la regressione con il consueto metodo dei minimi quadrati non consentirà di ottenere stime consistenti (cioè asintoticamente corrette e con varianza asintoticamente nulla). Se tuttavia è disponibile una variabile strumentale, è ancora possibile ottenere stime consistenti. Il metodo di stima di un modello lineare tramite variabili strumentali è anche noto come metodo dei minimi quadrati a due stadi (o 2SLS, dall'inglese Two-Stages Least Squares). (it) Metoda zmiennych instrumentalnych – quasi-eksperymentalna technika statystycznej analizy danych we wnioskowaniu przyczynowym, która pozwala na przeciwdziałanie błędom estymacji wprowadzanym przez zmienne zakłócające, dzięki temu że pomocniczo wykorzystuje zmienność zewnętrznych czynników wolnych od ich wpływu – tzw. zmiennych instrumentalnych. Bezpośredni związek przyczynowy zmiennej objaśniającej i objaśnianej może być trudny do wyodrębnienia, jeśli w modelu przyczynowym zjawiska obecne są skorelowane z nimi obiema zmienne zakłócające. Obserwowana współzmienność (korelacja) może być w skrajnych przypadkach wręcz zupełnie „pozorna” – to znaczy, może istnieć naprawdę, ale wynikać w całości z przyczynowego wpływu zmiennych zakłócających, a nie postulowanej zmiennej objaśniającej. Jest to charakterystyczny przykład tzw. problemu pominiętych zmiennych. Prawidłowo wybrana zmienna instrumentalna jest silnie związana ze zmienną objaśniającą, ale niezależna od zmiennych zakłócających. Pozwala dzięki temu na zidentyfikowanie i odizolowanie tej części współzmienności badanych czynników, która jest warunkowo niezależna od zakłóceń. Omija konieczność realizowania – nie zawsze możliwego z powodów praktycznych lub etycznych – randomizowanego eksperymentu kontrolnego. Stosowne zmienne instrumentalne mogą także pomóc w analizie danych z eksperymentów, w których doszło do nielosowego wykruszania się uczestników. (pl) Метод инструментальных переменных (ИП, IV — Instrumental Variables) — метод оценки параметров регрессионных моделей, основанный на использовании дополнительных, не участвующих в модели, так называемых инструментальных переменных. Метод применяется в случае, когда факторы регрессионной модели не удовлетворяют условию экзогенности, то есть являются зависимыми со случайными ошибками. В этом случае, оценки метода наименьших квадратов являются смещенными и несостоятельными. По-видимому, метод инструментальных переменных был впервые сформулирован Райтом (Wright) в 1928 году как метод оценки кривых спроса и предложения. Сам термин «инструментальные переменные» был впервые использован в статье 1941 года Риерсолом (Riersol) при обсуждении ошибок в переменных. Далее метод получил развитие в работах Дарбина (1954), Саргана (1958) и др. В контексте систем одновременных уравнений метод развивался параллельно под названием «двухшаговый метод наименьших квадратов (МНК)». (ru) Метод інструментальних змінних (ІЗ, IV — Instrumental Variables) — метод оцінки параметрів регресійних моделей, заснований на використанні додаткових змінних, які не використовуються в моделі, так званих інструментальних змінних. Метод застосовується в разі, коли фактори регресійної моделі не задовольняють умові екзогенністі, тобто є залежними з випадковими помилками. У цьому випадку, оцінки звичайного методу найменших квадратів є зміщеними і конзистентними. Сутність методу полягає в замінні змінної, що корелює із залишками, інструментальною змінною, яка повинна мати такі властивості: * корелювати (бажано значною мірою) із заміненою пояснюючою змінною; * не корелювати із випадковим відхиленням. (uk) Em estatística, econometria, epidemiologia e disciplinas relacionadas, o método de variáveis instrumentais (IV, em inglês) é usado para estimar relações causais, quando experimentos controlados não são viáveis.O método IV permite estimações consistentes quando as variáveis explicativas são correlacionados com os termos de erro de uma relação de regressão. Nesta situação, a regressão linear simples geralmente produz estimativas viesadas e inconsistentes. No entanto, se um instrumento está disponível, estimativas consistentes ainda podem ser obtidas. Um instrumento é uma variável que não se pertence à equação explicativa mas está correlacionada com as variáveis explicativas. Em modelos lineares, existem dois requisitos principais para a utilização de um IV: * O instrumento deve ser correlacionado com as variáveis endógenas explicativo, condicionada a outras variáveis. * O instrumento não pode ser correlacionada com o termo de erro na equação explicativa, isto é, o instrumento não pode sofrer o mesmo problema que a variável original para a qual ele servirá de instrumento. (pt) Instrumentvariabler används inom statistik för att uppskatta orsakssamband, när det inte är möjligt att göra kontrollerade experiment. Metoden används för att undvika de systematiska fel som uppkommer i vanlig regressionsanalys när de oberoende variablerna är korrelerade med slumpfelet. Instrumentvariabler, som är korrelerade med den oberoende variabeln men inte med slumpfelet, används för att isolera den variation i oberoende variabeln som inte är korrelerad med slumpfelet. Detta innebär att den oberoende variabelns kausala effekt kan estimeras. (sv) 工具变量（英語：instrumental variable，简称“IV”），又稱仪器变量或辅助变量，是经济学、计量经济学、流行病学和相关学科中无法实现可控实验的时，用于估计模型因果关系的方法。 在回归模型中，当解釋變數与误差项存在相关性（内生性问题），使用工具变量法能够得到一致的估计量。内生性问题一般产生于被忽略变量问题或者测量误差问题。当内生性问题出现时，常见的线性回归模型会出现不一致的估计量。此时，如果存在工具变量，那么人们仍然可以得到一致的估计量。根据定义，工具变量应该是一个不属于原解释方程并且与内生解释变量相关的变量。在线性模型中，一个有效的工具变量应该满足以下两点： * 此变量和内生解释变量存在相关性； * 此变量和误差项不相关，也就是说工具变量严格。 (zh) |
| dbo:thumbnail | wiki-commons:Special:FilePath/Instrumental_Variable...le_Effect_of_Tutoring_3.png?width=300 |
| dbo:wikiPageExternalLink | http://emlab.berkeley.edu/users/mcfadden/e240b_f01/ch4.pdf https://archive.org/details/basiceconometric05edguja https://archive.org/details/basiceconometric05edguja/page/711 https://archive.org/details/econometricanaly00gree_641 https://archive.org/details/econometricanaly00gree_641/page/n351 |
| dbo:wikiPageID | 1514405 (xsd:integer) |
| dbo:wikiPageLength | 40137 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1115174892 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Endogeneity_(econometrics) dbr:Epidemiology dbr:Probit_model dbr:Projection_matrix dbr:Bayesian_network dbr:Bias_(statistics) dbr:David_A._Jaeger dbc:Regression_analysis dbr:Joshua_Angrist dbr:Variance dbr:Dependent_and_independent_variables dbr:Null_hypothesis dbr:Control_function_(econometrics) dbr:Correlation dbr:Omitted-variable_bias dbr:Covariate dbr:Coefficient_of_determination dbr:Generalized_method_of_moments dbr:Consistent_estimator dbr:Statistics dbc:Simultaneous_equation_methods_(econometrics) dbr:Frisch–Waugh–Lovell_theorem dbr:Identifiability dbr:Errors_and_residuals_in_statistics dbr:Least_squares dbr:Local_average_treatment_effect dbr:ANOVA dbr:Alan_Krueger dbr:Daniel_McFadden dbr:Errors-in-variables_models dbr:F-test dbr:Parameter_identification_problem dbr:Causal_inference dbr:Grading_in_education dbr:Regression_analysis dbr:Invertible_matrix dbr:Econometrics dbr:Mark_Thoma dbr:Controlled_experiment dbr:Idempotence dbr:Olav_Reiersøl dbr:Optimal_instruments dbr:Ordinary_least_squares dbr:Estimator_bias dbr:Sargan–Hansen_test dbr:Causal_graphs dbr:Average_treatment_effects dbr:Homoskedastic |
| dbp:id | 9.0 Kb4LvSguwjg&list=PLD15D38DC7AA3B737&index=12 (en) |
| dbp:style | border:1px solid #aaa (en) |
| dbp:title | Econometrics lecture (en) |
| dbp:wikiPageUsesTemplate | dbt:Authority_control dbt:Center dbt:Citation_needed dbt:Cite_book dbt:Hidden_begin dbt:Hidden_end dbt:Reflist dbt:Rp dbt:Short_description dbt:YouTube |
| dcterms:subject | dbc:Regression_analysis dbc:Simultaneous_equation_methods_(econometrics) |
| rdf:type | owl:Thing |
| rdfs:comment | Die Instrumentvariablenschätzung (kurz: IV-Schätzung), auch Methode der Instrumentvariablen, oder Instrumentvariablenmethode ist ein Oberbegriff für bestimmte Schätzverfahren in der schließenden Statistik. Ziel der IV-Methode ist es, bei einer Regressionsanalyse eine Korrelation zwischen den erklärenden Variablen und dem Fehlerterm auszuschließen. Dies geschieht, indem man die erklärenden Variablen durch andere Größen ersetzt, die zwar in engem Zusammenhang mit ihnen stehen, aber nicht mit dem Fehlerterm korrelieren oder eine Linearkombination anderer erklärender Variablen darstellen. (de) En statistique et en économétrie, la méthode des variables instrumentales est une méthode permettant d'identifier et d'estimer des relations causales entre des variables. Cette méthode est très souvent utilisée en économétrie. (fr) 도구 변수 (instrument variable)란 통계학에서 사용되는 용어의 일종이다. 두가지 변수 X(원인) 와 Y(결과)를 가정했을 때 Y가 X에 의해 영향을 받는지 확인하고 싶은 경우, X에만 영향을 끼치고 Y에는 영향을 끼치지 않음을 이미 알고 있는 변수K를 추가했을 때 X, Y 의 변화를 추적함으로써 X가 정말로 Y에 영향을 미치는지 확인할 수 있다. 이와같은 확인작업에 사용되는 변수 K를 X, Y 에 대한 도구 변수라고 칭한다. (ko) Instrumentvariabler används inom statistik för att uppskatta orsakssamband, när det inte är möjligt att göra kontrollerade experiment. Metoden används för att undvika de systematiska fel som uppkommer i vanlig regressionsanalys när de oberoende variablerna är korrelerade med slumpfelet. Instrumentvariabler, som är korrelerade med den oberoende variabeln men inte med slumpfelet, används för att isolera den variation i oberoende variabeln som inte är korrelerad med slumpfelet. Detta innebär att den oberoende variabelns kausala effekt kan estimeras. (sv) 工具变量（英語：instrumental variable，简称“IV”），又稱仪器变量或辅助变量，是经济学、计量经济学、流行病学和相关学科中无法实现可控实验的时，用于估计模型因果关系的方法。 在回归模型中，当解釋變數与误差项存在相关性（内生性问题），使用工具变量法能够得到一致的估计量。内生性问题一般产生于被忽略变量问题或者测量误差问题。当内生性问题出现时，常见的线性回归模型会出现不一致的估计量。此时，如果存在工具变量，那么人们仍然可以得到一致的估计量。根据定义，工具变量应该是一个不属于原解释方程并且与内生解释变量相关的变量。在线性模型中，一个有效的工具变量应该满足以下两点： * 此变量和内生解释变量存在相关性； * 此变量和误差项不相关，也就是说工具变量严格。 (zh) En estadística, econometría, epidemiología y disciplinas afines, el método de variables instrumentales (VI) se utiliza para estimar relaciones causales cuando los experimentos controlados no son factibles. * El instrumento debe estar correlacionado con las variables explicativas endógenas, condicionada a las otras variables. * El instrumento no puede estar correlacionado con el término de error en la ecuación explicativa, es decir, el instrumento no puede sufrir el mismo problema que la variable original que pretende predecir. (es) In statistics, econometrics, epidemiology and related disciplines, the method of instrumental variables (IV) is used to estimate causal relationships when controlled experiments are not feasible or when a treatment is not successfully delivered to every unit in a randomized experiment. Intuitively, IVs are used when an explanatory variable of interest is correlated with the error term, in which case ordinary least squares and ANOVA give biased results. A valid instrument induces changes in the explanatory variable but has no independent effect on the dependent variable, allowing a researcher to uncover the causal effect of the explanatory variable on the dependent variable. (en) In statistica, la stima con il metodo delle variabili strumentali è utilizzata nell'analisi di regressione lineare. Un'ipotesi standard del modello classico di regressione lineare è che le variabili esplicative non siano correlate con la componente non spiegata, o disturbo; laddove tale ipotesi viene meno, la regressione con il consueto metodo dei minimi quadrati non consentirà di ottenere stime consistenti (cioè asintoticamente corrette e con varianza asintoticamente nulla). Se tuttavia è disponibile una variabile strumentale, è ancora possibile ottenere stime consistenti. (it) 操作変数法（そうさへんすうほう、英: method of instrumental variables, IV）とは、統計学、計量経済学、疫学、また関連分野において、統制された実験が出来ない時、もしくは処置がランダムに割り当てられない時に、因果関係を推定するための方法である。直感的に言えば、操作変数は説明変数と被説明変数の間の相関が二変数間の因果関係をもっともらしく反映していない時に用いられる。妥当な操作変数は説明変数に影響を与えるが被説明変数に独立的な影響を持たず、研究者が被説明変数に対する説明変数の因果効果を明らかにすることを可能とする。 * 操作変数は他の共変数で条件付けた時に、内生的な説明変数と相関しなくてはならない。もしこの相関が統計的に有意なほど高ければ、その操作変数は強い第一段階（英: strong first stage）を持つと言う。相関が弱いとパラメータの推定値と標準誤差について間違った推論を導きかねない。 * 操作変数は説明方程式の誤差項と他の共変数で条件付けた時に相関してはならない。言い換えると、操作変数は元の予測変数と同じ問題に直面することがない。もしこの条件が満たされているならば、その操作変数は除外制約（英: exclusion restriction）を満たすと言う。 (ja) Em estatística, econometria, epidemiologia e disciplinas relacionadas, o método de variáveis instrumentais (IV, em inglês) é usado para estimar relações causais, quando experimentos controlados não são viáveis.O método IV permite estimações consistentes quando as variáveis explicativas são correlacionados com os termos de erro de uma relação de regressão. Nesta situação, a regressão linear simples geralmente produz estimativas viesadas e inconsistentes. No entanto, se um instrumento está disponível, estimativas consistentes ainda podem ser obtidas. (pt) Metoda zmiennych instrumentalnych – quasi-eksperymentalna technika statystycznej analizy danych we wnioskowaniu przyczynowym, która pozwala na przeciwdziałanie błędom estymacji wprowadzanym przez zmienne zakłócające, dzięki temu że pomocniczo wykorzystuje zmienność zewnętrznych czynników wolnych od ich wpływu – tzw. zmiennych instrumentalnych. (pl) Метод инструментальных переменных (ИП, IV — Instrumental Variables) — метод оценки параметров регрессионных моделей, основанный на использовании дополнительных, не участвующих в модели, так называемых инструментальных переменных. Метод применяется в случае, когда факторы регрессионной модели не удовлетворяют условию экзогенности, то есть являются зависимыми со случайными ошибками. В этом случае, оценки метода наименьших квадратов являются смещенными и несостоятельными. (ru) Метод інструментальних змінних (ІЗ, IV — Instrumental Variables) — метод оцінки параметрів регресійних моделей, заснований на використанні додаткових змінних, які не використовуються в моделі, так званих інструментальних змінних. Метод застосовується в разі, коли фактори регресійної моделі не задовольняють умові екзогенністі, тобто є залежними з випадковими помилками. У цьому випадку, оцінки звичайного методу найменших квадратів є зміщеними і конзистентними. Сутність методу полягає в замінні змінної, що корелює із залишками, інструментальною змінною, яка повинна мати такі властивості: (uk) |
| rdfs:label | Instrumentvariablenschätzung (de) Variable instrumental (es) Méthode des variables instrumentales (fr) Variabili strumentali (it) Instrumental variables estimation (en) 操作変数法 (ja) 도구 변수 (ko) Metoda zmiennych instrumentalnych (pl) Variáveis instrumentais (pt) Метод инструментальных переменных (ru) Instrumentvariabel (sv) Метод інструментальних змінних (uk) 工具变量 (zh) |
| owl:sameAs | wikidata:Instrumental variables estimation dbpedia-de:Instrumental variables estimation dbpedia-es:Instrumental variables estimation dbpedia-fa:Instrumental variables estimation dbpedia-fi:Instrumental variables estimation dbpedia-fr:Instrumental variables estimation dbpedia-he:Instrumental variables estimation dbpedia-it:Instrumental variables estimation dbpedia-ja:Instrumental variables estimation dbpedia-ko:Instrumental variables estimation dbpedia-pl:Instrumental variables estimation dbpedia-pt:Instrumental variables estimation dbpedia-ru:Instrumental variables estimation dbpedia-sv:Instrumental variables estimation dbpedia-uk:Instrumental variables estimation dbpedia-zh:Instrumental variables estimation https://global.dbpedia.org/id/dz4s |
| prov:wasDerivedFrom | wikipedia-en:Instrumental_variables_estimation?oldid=1115174892&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/Instrumental_Variable...fect_of_Tutoring_(Edge_Deleted)_2.png wiki-commons:Special:FilePath/Instrumental_Variable_Example_Effect_of_Tutoring_1.png wiki-commons:Special:FilePath/Instrumental_Variable_Example_Effect_of_Tutoring_2.png wiki-commons:Special:FilePath/Instrumental_Variable_Example_Effect_of_Tutoring_3.png |
| foaf:isPrimaryTopicOf | wikipedia-en:Instrumental_variables_estimation |
| is dbo:wikiPageRedirects of | dbr:Weak_instruments dbr:Exponential_regression_and_endogeneity dbr:Random_and_fixed_effects_instrumental_variables_methods dbr:Instrumental_variable dbr:Instrumental_Variable dbr:Two-stage_least-squares dbr:Two-stage_least_squares dbr:Two_stage_least_squares dbr:2-stage_least_squares dbr:2SLS dbr:IV_regression dbr:Instrumental_Variable_Estimation dbr:Instrumental_variable_estimation dbr:Instrumental_variables dbr:Instruments_(regressors) dbr:Exclusion_restrictions |
| is dbo:wikiPageWikiLink of | dbr:Olympia_Bover dbr:Joshua_Angrist dbr:Consistent_estimator dbr:Feature_engineering dbr:Causal_model dbr:Weak_instruments dbr:Jurimetrics dbr:Local_average_treatment_effect dbr:Isaiah_Andrews dbr:Average_treatment_effect dbr:Margaret_Slade dbr:Philip_Green_Wright dbr:Exponential_regression_and_endogeneity dbr:Random_and_fixed_effects_instrumental_variables_methods dbr:Instrumental_variable dbr:Mendelian_randomization dbr:Synthetic_control_method dbr:Motohiro_Yogo dbr:Instrumental_Variable dbr:Stephen_Machin dbr:Two-stage_least-squares dbr:Two-stage_least_squares dbr:Two_stage_least_squares dbr:2-stage_least_squares dbr:2SLS dbr:IV_regression dbr:Instrumental_Variable_Estimation dbr:Instrumental_variable_estimation dbr:Instrumental_variables dbr:Instruments_(regressors) dbr:Exclusion_restrictions |
| is dbp:contributions of | dbr:Philip_Green_Wright |
| is foaf:primaryTopic of | wikipedia-en:Instrumental_variables_estimation |
