Two problems motivate the use of in

Two problems motivate the use of instrumental variables. First, using 1997 agricultural data to proxy for agricultural conditions in earlier years introduces measurement error that may bias the estimate toward zero. Second, the OLS estimate will suffer from omitted variable bias if families that prefer girls switch to planting tea after the reform. In this case, the OLS estimate will overestimate the true effect of an increase in the value of female labor because it will confound the aforementioned effect with the sex-preferences of households that switched to planting tea. I address both problems by instrumenting for tea planting with the average slope of each county. Figure IVb shows the slope variation in China, where the darker areas are steeper. The predictive power of slope for tea planting can be seen by comparing the tea planting counties in Figure IVa with the hilly regions in Figure IVb. I use the GIS data pictured in Figure IVb to calculate the average slope for each county and estimate the following first-stage equation, where both the amount of tea planted and the slope is time-invariant. Column (4) of Table III shows the first-stage estimate from equation (4). The estimate for the correlation between hilliness and planting tea, λ, is statistically significant at the 5% level. Column (5) shows the 2SLS estimate from equation (5). The estimate is larger than the OLS estimate and statistically significant. Column (6) shows the 2SLS estimate after controlling for county-level cohort trends. The estimate is similar in magnitude to the OLS estimate, but no longer statistically significant. The estimates with and without trends are not statistically different from each other. The estimate without trends is larger but also less precisely estimated. The 2SLS estimate in column (6) shows that conditional on county-level cohort time trends, the OLS estimate is not biased. Furthermore, the OLS and 2SLS estimates in columns (3) and (6) are almost numerically identical to the initial OLS estimate in column (1). These results give confidence to the robustness of the initial OLS estimates.

ผลลัพธ์ (ไทย) 1:

ปัญหาที่สองเป็นการจูงใจการใช้ตัวแปรเครื่องมือ ครั้งแรก การใช้ข้อมูลเกษตร 1997 การพร็อกซีสำหรับสภาพทางการเกษตรในปีก่อนหน้านี้แนะนำข้อผิดพลาดของการวัดที่อาจอคติการประเมินไปยังศูนย์ ที่สอง การประเมิน OLS จะประสบจากอคติตัวแปรเว้นไว้ถ้าครอบครัวที่ชอบสาวปลูกชาหลังจากการปฏิรูป ในกรณีนี้ การประเมิน OLS จะ overestimate จริงผลของการเพิ่มขึ้นของค่าแรงงานสตรีเนื่องจากมันจะทำลายผลดังกล่าว ด้วยการกำหนดลักษณะของครัวเรือนที่ปลูกชาสลับเพศ ฉันสามารถแก้ไขปัญหาทั้ง โดย instrumenting ชาที่ปลูก มีความลาดชันเฉลี่ยของแต่ละเขต IVb รูปแสดงการเปลี่ยนแปลงของความชันตรงในจีน กรองพื้นที่ที่มืด พลังงานระบบของความลาดชันปลูกชาได้ โดยเปรียบเทียบจากเขตที่ปลูกชาในรูป IVa กับภูมิภาคเขาในรูป IVb ใช้ข้อมูล GIS ในรูปในรูป IVb คำนวณความชันเฉลี่ยสำหรับแต่ละเขต และประเมินขั้นแรกสมการต่อไปนี้ ที่ทั้งยอดของชาที่ปลูกและความลาดชันเป็นเวลา invariant คอลัมน์ (4) ของตาราง III แสดงการประเมินขั้นแรกจากสมการ (4) การประเมินสำหรับความสัมพันธ์ระหว่าง hilliness และปลูกชา λ มีนัยสำคัญทางสถิติที่ระดับ 5% คอลัมน์ (5) แสดง 2SLS ประเมินจากสมการ (5) การประเมินเป็นมากกว่าการประเมิน OLS และมีนัยสำคัญทางสถิติ คอลัมน์ (6) แสดง 2SLS การประเมินหลังจากควบคุมสำหรับเทรนด์งานระดับเขต การประเมินจะคล้ายกันในขนาดที่ OLS แต่ไม่มีนัยสำคัญทางสถิติ ประมาณที่มี และไม่ มีแนวโน้มทางสถิติแตกต่างกันไม่ได้ การประเมิน โดยไม่มีแนวโน้มจะมีขนาดใหญ่ แต่ยัง น้อยกว่าแม่นยำประมาณ การประเมิน 2SLS ในคอลัมน์ (6) แสดงว่า มีเทรนด์งานระดับเขตเวลา การประเมิน OLS จะไม่ลำเอียง นอกจากนี้ ประมาณ OLS และ 2SLS ในคอลัมน์ (3) และ (6) จะเหมือนตัวเลขเกือบ OLS ที่เริ่มต้นในคอลัมน์ (1) ผลลัพธ์เหล่านี้ให้ความเชื่อมั่นเพื่อเสถียรภาพของการเริ่มต้นประเมิน OLS

ผลลัพธ์ (ไทย) 2:

ปัญหาสองกระตุ้นการใช้ตัวแปรด้วยเครื่องมือ เป็นครั้งแรกโดยใช้ข้อมูลทางการเกษตรปี 1997 เพื่อพร็อกซี่สำหรับเงื่อนไขการเกษตรในปีก่อนแนะนำวัดความผิดพลาดที่อาจมีอคติที่มีต่อประมาณการศูนย์ ประการที่สองการประมาณการ OLS จะเดือดร้อนจากการละเว้นอคติตัวแปรถ้าครอบครัวที่ชอบสาว ๆ เปลี่ยนไปปลูกชาหลังจากการปฏิรูป ในกรณีนี้การประมาณการ OLS จะประเมินค่าสูงผลกระทบที่แท้จริงของการเพิ่มขึ้นของมูลค่าของแรงงานหญิงเพราะมันจะทำลายผลกระทบดังกล่าวกับเพศ-การตั้งค่าของครัวเรือนที่เปลี่ยนไปปลูกชา ผมแก้ไขปัญหาทั้งสองโดย instrumenting สำหรับการเพาะปลูกชาที่มีความลาดชันเฉลี่ยของแต่ละจังหวัด รูป IVB แสดงให้เห็นถึงการเปลี่ยนแปลงความลาดชันในประเทศจีนที่มีความเข้มพื้นที่ลาดชัน อำนาจการทำนายของความลาดชันสำหรับการเพาะปลูกชาสามารถมองเห็นได้โดยการเปรียบเทียบมณฑลชาปลูกในรูป IVa กับภูมิภาคท​​ี่เป็นเนินเขาในรูป IVB ฉันจะใช้ข้อมูล GIS ที่อยู่ในภาพในรูป IVB ในการคำนวณความลาดชันเฉลี่ยสำหรับแต่ละเขตและประมาณการสมการแรกขั้นตอนต่อไปนี้ที่ทั้งจำนวนของชาที่ปลูกและความลาดชันเป็นเวลาคงที่ คอลัมน์ (4) ของตารางที่สามแสดงให้เห็นถึงการประมาณการระยะแรกจากสมการ (4) ประมาณการสำหรับความสัมพันธ์ระหว่างเนินและชาปลูกλเป็นอย่างมีนัยสำคัญทางสถิติที่ระดับ 5% คอลัมน์ (5) แสดงให้เห็นถึงการประมาณการ 2SLS จากสมการ (5) ประมาณการมีขนาดใหญ่กว่า OLS ประเมินและนัยสำคัญทางสถิติ คอลัมน์ (6) แสดงให้เห็นถึงการประมาณการ 2SLS หลังจากการควบคุมสำหรับแนวโน้มการศึกษาระดับเขต ประมาณการจะคล้ายกันในขนาดประมาณการ OLS แต่ไม่มีนัยสำคัญทางสถิติ ประมาณการที่มีและไม่มีแนวโน้มจะมีไม่แตกต่างจากคนอื่น ๆ ประมาณการแนวโน้มโดยไม่ต้องมีขนาดใหญ่ แต่ยังประมาณแม่นยำน้อย ประมาณการ 2SLS ในคอลัมน์ (6) แสดงให้เห็นว่ามีเงื่อนไขเกี่ยวกับแนวโน้มเวลาระดับเขตการศึกษาประมาณการ OLS ไม่ลำเอียง นอกจากนี้ OLS และ 2SLS ประมาณการในคอลัมน์ (3) และ (6) เกือบตัวเลขเหมือนกับ OLS เบื้องต้นประเมินในคอลัมน์ (1) ผลการเหล่านี้ให้ความมั่นใจในความแข็งแรงของการเริ่มต้น OLS ประมาณการ

ผลลัพธ์ (ไทย) 3:

สองปัญหาที่กระตุ้นการใช้ตัวแปรเครื่องมือ ครั้งแรก ใช้ข้อมูลการเกษตรเพื่อพร็อกซี่สำหรับ 1997 สภาพการเกษตรในปีก่อนหน้านี้แนะนำการวัดความผิดพลาดที่อาจมีอคติต่อต่อศูนย์ ประการที่สอง โดยคาดว่าจะประสบจากละเว้นอคติ ถ้าตัวแปรครอบครัวที่ชอบผู้หญิงสลับกับการปลูกชาหลังจากการปฏิรูป ในกรณีนี้ และคาดว่าจะประเมินมากเกินไปผลกระทบที่แท้จริงของการเพิ่มมูลค่าของแรงงานหญิง เพราะจะกันไม่ให้ผลดังกล่าวกับเพศลักษณะของครอบครัวที่เปลี่ยนไป การปลูกชา ผมอยู่ ทั้งปัญหา instrumenting ชาปลูกที่มีความลาดชันเฉลี่ยของแต่ละเขต รูปแสดงการ IVB ลาดในประเทศจีน ซึ่งพื้นที่มืดจะชัน ทำนายพลังของลาดดินสำหรับการปลูกชา สามารถมองเห็นได้โดยการเปรียบเทียบการปลูกชา การปกครองในรูปใช่กับภูมิภาคที่เป็นภูเขาในรูป IVB . ผมใช้ GIS ข้อมูลภาพในรูป IVB คำนวณความชันเฉลี่ยในแต่ละมณฑลและประมาณการครั้งแรก ดังสมการที่ 2 จํานวนปลูกชา และความลาดชันเป็นค่าคงที่เวลา คอลัมน์ ( 4 ) ตารางที่ 3 แสดงประมาณการครั้งแรก จากสมการ ( 4 ) ประมาณการสำหรับความสัมพันธ์ระหว่าง hilliness และปลูกชา λเป็นอย่างมีนัยสำคัญทางสถิติที่ระดับ . 05 5 % คอลัมน์ ( 5 ) แสดง 2sls ประมาณจากสมการ ( 5 ) ประมาณการมีขนาดใหญ่กว่าและต่ำกว่าอย่างมีนัยสำคัญทางสถิติ คอลัมน์ ( 6 ) แสดง 2sls ประมาณการหลังจากการควบคุมแนวโน้มตั้งแต่มณฑลระดับ . การประมาณการจะคล้ายกันในขนาดที่จะน้อยที่สุดประมาณ แต่ไม่มีนัยสำคัญทางสถิติ ประมาณการที่มีและไม่มีแนวโน้มจะแตกต่างกันอย่างมีนัยสำคัญจากแต่ละอื่น ๆ ประมาณการโดยแนวโน้มมีขนาดใหญ่แต่ยังไม่แม่นยำโดยประมาณ การ 2sls ประมาณการในคอลัมน์ ( 6 ) พบว่า เงื่อนไขในมณฑลระดับตั้งแต่เวลาแนวโน้มน้อยที่สุดประมาณ ไม่ลำเอียง นอกจากนี้ วิธี OLS และ 2sls ประมาณการในคอลัมน์ ( 3 ) และ ( 6 ) เกือบจะเหมือนกันกับวิธีเชิงตัวเลขเบื้องต้นประมาณการในคอลัมน์ ( 1 ) ผลลัพธ์เหล่านี้ให้ความมั่นใจในความแข็งแกร่งของการประมาณการครั้งแรกโดย .