Инструментальные переменные

Инструментальные переменные (англ. instrumental variables, IV) — это метод статистического оценивания, используемый в эконометрике, эпидемиологии и других областях для выявления причинно-следственных связей в условиях наличия ненаблюдаемых смешивающих факторов (эндо-генности). Метод позволяет получить состоятельные оценки параметров регрессионной модели, когда стандартные методы (например, метод наименьших квадратов, МНК) дают смещённые и несостоятельные результаты из-за корреляции объясняющей переменной с ошибкой модели.

Основные понятия и проблема эндогенности

В классической регрессионной модели предполагается, что объясняющие переменные (регрессоры) не коррелируют со случайной ошибкой. Если это условие нарушается, возникает эндогенность. Причины эндогенности включают: пропущенные переменные (смешивающие факторы), ошибки измерения в регрессорах, одновременную причинность (обратную связь между зависимой и независимой переменными). В таких случаях МНК-оценки становятся смещёнными и несостоятельными, то есть не сходятся к истинным значениям параметров даже при увеличении объёма выборки.

Инструментальные переменные предлагают решение: если найти переменную \( Z \), которая коррелирует с эндогенным регрессором \( X \), но не коррелирует с ошибкой \( \varepsilon \) (и, следовательно, не влияет на зависимую переменную \( Y \) иначе, чем через \( X \)), то можно использовать \( Z \) для выделения экзогенной вариации в \( X \) и получить состоятельные оценки.

Условия валидности инструмента

Для того чтобы переменная \( Z \) была валидным инструментом, необходимо выполнение двух ключевых условий:

1. Условие релевантности: \( \text{Cov}(Z, X) \neq 0 \). Инструмент должен быть значимо коррелирован с эндогенным регрессором. Слабый инструмент (слабая корреляция) приводит к большим стандартным ошибкам и несостоятельности оценок.
2. Условие экзогенности: \( \text{Cov}(Z, \varepsilon) = 0 \). Инструмент не должен коррелировать с ошибкой модели, то есть не должен влиять на зависимую переменную иначе, чем через \( X \). Это условие часто невозможно проверить статистически и требует теоретического обоснования.

В случае нескольких эндогенных регрессоров необходимо как минимум столько же инструментов, сколько эндогенных переменных. Если инструментов больше, чем эндогенных переменных, модель называется переопределённой (overidentified), и можно провести тест на избыточные ограничения (например, тест Саргана — Хансена).

Двухшаговый метод наименьших квадратов (2SLS)

Наиболее распространённый метод оценки с использованием инструментальных переменных — двухшаговый метод наименьших квадратов (Two-Stage Least Squares, 2SLS). Он состоит из двух этапов:

• Первый шаг: регрессия эндогенного регрессора \( X \) на все инструменты \( Z \) и экзогенные переменные (контрольные переменные). Получают прогнозные значения \( \hat{X} \):

\[ X = Z \gamma + \nu \] где \( \gamma \) — коэффициенты, \( \nu \) — ошибка.

• Второй шаг: регрессия зависимой переменной \( Y \) на прогнозные значения \( \hat{X} \) и экзогенные переменные:

\[ Y = \hat{X} \beta + \varepsilon \] Оценка \( \beta \) является состоятельной при условии валидности инструментов.

Стандартные ошибки во втором шаге корректируются, чтобы учесть, что \( \hat{X} \) — это оценённые значения (обычно используются робастные стандартные ошибки или специальные формулы для 2SLS).

Применение в эконометрике

Метод инструментальных переменных широко применяется в экономике труда, промышленной организации, макроэкономике и других областях. Классические примеры:

• Оценка влияния образования на доходы: образование эндогенно, так как способности и мотивация человека влияют и на образование, и на доход. В качестве инструмента часто используют близость к колледжу (Card, 1995) или изменения в законодательстве об обязательном образовании (Angrist & Krueger, 1991).
• Оценка влияния военной службы на заработки: участие в войне может быть эндогенным, так как призыв происходит по лотерее (Angrist, 1990). Инструмент — номер призыва (лотерейный номер).
• Оценка влияния рекламы на продажи: реклама может быть эндогенной, так как фирмы увеличивают рекламу при ожидании высоких продаж. Инструментом может служить изменение цен на рекламные площади.

Применение в эпидемиологии и медицине

В эпидемиологии метод инструментальных переменных используется для оценки причинных эффектов лечения, когда рандомизация невозможна по этическим или практическим причинам. Типичный пример — менделевская рандомизация: в качестве инструмента используются генетические варианты (например, однонуклеотидные полиморфизмы), которые влияют на подверженность фактору риска (например, уровень холестерина) и не связаны с ненаблюдаемыми смешивающими факторами. Это позволяет оценить причинное влияние фактора на исход (например, сердечно-сосудистые заболевания).

Ограничения и критика

Метод инструментальных переменных имеет ряд ограничений:

• Слабые инструменты: если корреляция между инструментом и эндогенным регрессором мала, оценки становятся нестабильными, а стандартные ошибки — большими. В крайних случаях оценки могут быть смещены в сторону МНК-оценок.
• Нарушение условия экзогенности: если инструмент коррелирует с ошибкой (например, через ненаблюдаемые факторы), оценки становятся несостоятельными. Это условие часто трудно проверить.
• Интерпретация: оценки инструментальных переменных отражают локальный средний причинный эффект (Local Average Treatment Effect, LATE) — эффект для тех, кто меняет своё поведение под влиянием инструмента (комплайеры). Это может не соответствовать среднему эффекту для всей популяции.
• Чувствительность к спецификации: результаты могут сильно зависеть от выбора инструментов и модели.

Тестирование и диагностика

Для проверки валидности инструментов используются следующие тесты:

• Тест на слабые инструменты: проверка значимости инструментов на первом шаге (F-статистика > 10 считается эмпирическим правилом для избежания слабости).
• Тест Саргана — Хансена (J-тест): проверка избыточных ограничений в переопределённых моделях (нулевая гипотеза — все инструменты экзогенны).
• Тест Хаусмана: сравнение МНК-оценок и IV-оценок для проверки наличия эндогенности.

История и развитие

Метод инструментальных переменных был впервые предложен в 1928 году в работе Филипа Райта (Philip G. Wright) для оценки эластичности спроса и предложения. В 1940-х годах метод был развит Трюгве Хаавельмо и другими экономистами. Современная форма двухшагового метода наименьших квадратов была разработана Генри Телем (1958) и Робертом Басманном (1957). В 1990-х годах метод получил широкое распространение благодаря работам Джошуа Ангриста, Гвидо Имбенса и Дэвида Карда, которые применили его к вопросам экономики труда и образования. В 2021 году Джошуа Ангрист и Гвидо Имбенс получили Нобелевскую премию по экономике за вклад в анализ причинно-следственных связей, включая развитие метода инструментальных переменных.

Источники

• Angrist, J. D., & Imbens, G. W. (1995). Identification and estimation of local average treatment effects. Econometrica, 63(2), 467–475.
• Angrist, J. D., & Krueger, A. B. (1991). Does compulsory school attendance affect schooling and earnings? Quarterly Journal of Economics, 106(4), 979–1014.
• Bound, J., Jaeger, D. A., & Baker, R. M. (1995). Problems with instrumental variables estimation when the correlation between the instruments and the endogenous explanatory variable is weak. Journal of the American Statistical Association, 90(430), 443–450.
• Card, D. (1995). Using geographic variation in college proximity to estimate the return to schooling. In Aspects of Labour Market Behaviour (pp. 201–222). University of Toronto Press.
• Imbens, G. W., & Angrist, J. D. (1994). Identification and estimation of local average treatment effects. Econometrica, 62(2), 467–475.
• Stock, J. H., & Watson, M. W. (2019). Introduction to Econometrics (4th ed.). Pearson.
• Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press.