Neue Bayes-Inferenz macht IV-Regressionen robust gegenüber schwachen Instrumenten
Standardmethoden versagen bei IV-Regressionen mit schwachen Instrumenten. Eine neue Bayes-Inferenz, die ein uninformatives Prior direkt auf den Konzentrationsparameter legt, liefert robuste und zuverlässige Ergebnisse.
Neuer Prior für robuste Schätzungen
Die Standard-Inferenz in IV-Regressionen versagt bei schwachen Instrumenten, sowohl frequentistisch als auch bayesianisch mit diffusen Prioren.
Das Problem entsteht, weil flache Prioren auf die Koeffizienten der ersten Stufe die Instrumentenstärke überbewerten.
Die Unsicherheit über die Instrumentenstärke wird durch den Konzentrationsparameter zusammengefasst.
Dies führt zu übermäßig selbstbewussten und verzerrten Ergebnissen.
Die Autoren schlagen eine neue Prioren-Spezifikation vor, die keine starken Instrumente bevorzugt.
Dieser neue Prior schrumpft unzuverlässige Beziehungen der ersten Stufe gegen Null und vermeidet Overfitting.
Die resultierenden Bayes-Glaubwürdigkeitsintervalle sind robust gegenüber schwachen Instrumenten und asymptotisch äquivalent zu führenden frequentistischen Verfahren, die speziell für schwache Identifikation entwickelt wurden.
Konsistenz zwischen Bayes und Klassik
Die neue Methode stellt die Konsistenz zwischen Bayes- und klassischen Methoden wieder her, selbst in Szenarien, in denen Standardtechniken versagen.
Sie bietet eine praktische und robuste Lösung für empirische Forscher, die mit schwachen Instrumenten arbeiten.
Die Zuverlässigkeit des Ansatzes wird durch Theorie, Simulationen und eine Reanalyse der klassischen Studie zu den Erträgen von Bildung (Angrist und Krueger, 1991) belegt.
Bei schwachen Instrumenten spiegelt sich die Unsicherheit angemessen in breiten Glaubwürdigkeitsintervallen wider.
Die resultierenden Bayes-Glaubwürdigkeitsmengen stimmen eng mit führenden frequentistischen Verfahren überein, die speziell zur Behebung schwacher Identifikation entwickelt wurden.
Ein Schritt zu verlässlicherer Ökonometrie
Dieses Papier schließt eine wichtige Lücke in der ökonometrischen Praxis, indem es die Bayes-Inferenz auch bei schwachen Instrumenten nutzbar macht.
Die Angleichung an frequentistische Methoden erhöht die Glaubwürdigkeit der Ergebnisse und reduziert die Unsicherheit für Anwender.
Für empirische Forscher bedeutet dies eine signifikante Verbesserung der Robustheit ihrer Kausalanalysen.
Quelle: Bayesian inference in IV regressions
IN: