Es gibt komplexe empirische Probleme, bei denen die normale OLS-Regression an ihre Grenzen stößt – dieser Workshop betrachtet zwei dieser Szenarien im Detail: (1) Nichtlinearitäten in den abhängigen und unabhängigen Variablen und (2) die Verwendung von instrumentellen Variablen, um mit Endogenität und einem nicht-zufällig gezogenem Sample umzugehen.
In diesem Seminar lernen Wissenschaftler die nötigen Werkzeuge, um mit diesen Unzulänglichkeiten der traditionellen OLS-Schätzung umzugehen.
Zuerst wird der Fokus auf unterschiedliche nicht-lineare Ansätze zur Modellierung von Discrete Choice-Problemen gerichtet. Diese Betrachtung wird durch verschiedene Interpretationsansätze von Interaktionseffekten zwischen unabhängigen Variablen in der traditionellen OLS-Regression ergänzt. Im Anschluss daran werden verschiedene Strategien zur Nutzung von instrumentellen Variablen zum Umgang mit Endogenitätsproblemen aufgezeigt.
Abschließend werden die besprochenen Thematiken zusammengeführt und im Kontext von Selection-Modellen, die einen Umgang mit nicht-zufällig gezogenen Samples ermöglichen, diskutiert.
Am Ende des Workshops sollten die Teilnehmer in der Lage sein, Stata-Code zu verstehen und anzuwenden, um dichotome abhängige Variablen mit Logit- und Probit-Schätzungen zu modellieren, instrumentelle Variablenschätzungen sowie begleitende Tests zur Relevanz und Exogenität der instrumentellen Variablen durchzuführen und die gewählten Modelle auf mögliche Selection Biases zu testen.
Often empirical problems do not fit the modeling assumptions of Ordinary Least Squares (OLS) estimation. This workshop looks at two specific scenarios: (1) Nonlinearities in dependent and independent variables and (2) instrumental variable techniques for dealing with endogeneity and non-random sample selection. These problems are often encountered in applied work. The goal of this workshop is to provide researchers with tools used to address some of the inadequacies of traditional OLS estimation in each setting.
We begin by looking at different nonlinear approaches to modeling discrete choice. We also extend the theme of nonlinearity to the independent variable side by discussing the interpretation of interaction effects in traditional OLS. Then we consider different instrumental variable strategies to deal with the problem of endogeneity. Finally, we combine the themes of nonlinearity and instrumental variables by considering selection models to deal with non-random samples.
By the end of the workshop, you should be able to understand and (equally important) run Stata code to model dichotomous dependent variables with logit and probit estimations, perform instrumental variable estimation and accompanying tests of instrument exogeneity and relevance, and estimate models controlling for selection bias.
- Lehrende/r: Ronny Behrens
- Lehrende/r: Alina Marie Herting