【主题】Measurement Error and Symmetric Instruments测量误差与对称工具变量
【报告人】徐剑锋（上海科技大学助理教授）
【时间】2019年10月14日（星期一）10:00-11:30
【地点】上海财经大学红瓦楼236会议室【主持人】汪晨副教授
【报告摘要】
社会科学与自然科学常用线性回归分析自变量x对因变量y的影响。当自变量x的测量存在噪音/测量误差时，线性回归的模型设定会导致低估x对y的影响系数。如果x的测量误差的标准差是x真值标准差的3倍，线性回归系数将缩小到真实系数的十分之一。校正测量误差的一个经典方法是测量x多次取平均值（平均法），或者用一次测量值作为另外一个测量值的工具变量（IV法）。平均法在理论上永远是低估的，需无穷多次测量才可以达到无偏估计。IV法在理论上无偏，但是当样本数量较小时，IV估计系数不仅有偏差，而且散布（dispersion）会非常大，大到一次实验中的估计值几乎不可信。本报告将探讨在小样本下如何减少IV法的偏差和散布。具体而言，本次报告将采用通过蒙特卡罗模拟对比检验校正测量误差的方法，包括平均法、校正线性回归法、2SLS（两阶段最小二乘法）、GMM（广义矩估计法）、JIVE（Jack-knife 工具变量法）、LIML（有限信息最大拟然法）。本研究贡献了最小二乘法和广义矩估计法的改进版，即提出了对称平均工具变量法（SAIV）和对称广义矩估计法（SGMM）。经大量蒙特卡罗模拟验证，在样本较小、测量误差较大的情况下，SAIV完全优于已有的工具变量法（偏差最小、散布最小），SGMM的散布小于SAIV但是偏差略大于2SLS。当系统噪音变大（R^2减小）时，SAIV的优势会进一步加大。本报告探讨的方法主要适用于实验经济学、心理学的应用场景（实验对象数量少且自变量x的测量难度大），提出的新的计量方法可以在不增加假设条件的情况下，提高分析数据的质量，因而存在非常广泛的应用前景。
【报告人简介】
徐剑锋，复旦大学生物系本科毕业，美国托莱多大学数学与经济学硕士，美国伊利诺伊大学厄巴纳香槟分校经济学博士，2019年加入上海科技大学创业与管理学院。他的研究方向涉及教育经济学、发展经济学、资源与环境经济学、应用计量经济学方法。他的博士论文基于大规模问卷调查和实地实验，研究了入学年龄对学生认知能力与非认知能力的影响、学生写字美丑对作文内容评分的影响及工具变量校正测量误差的一般方法等问题。
