Stata系列-如何处理遗漏变量

准备把模型设定和数据问题拆分成若干小部分，以下是第一部分“如何处理遗漏变量”，仅作理论上分析。

在现实情况中，由于某些数据难以获得，因此遗漏变量无法避免。假设解释变量为x₁ ，遗漏变量是x₂，我们需要考虑以下两种情形：

• x₂和x₁不相关。此时，OLS依然可一致地估计回归系数，但是由于x₂被包含在扰动项中，可能增大扰动项的方差，影响到OLS估计的精确度
• x₂和x₁相关。此时，根据大样本理论，OLS估计不一致，造成“遗漏变量偏差”，这会成为实证研究的“致命伤”。

如何解决遗漏变量偏差问题呢？方法主要有：

• 加入尽可能多的控制变量
• 随机实验与自然实验
• 工具变量法
• 使用面板数据

1.加入尽可能多的控制变量
首先从理论出发，列出所有可能对被解释变量有影响的变量，然后尽可能地去收集数据。如果有些数据确实无法获得，就需要从理论上说明，遗漏变量不会与解释变量相关，或者相关性很弱。

2.随机实验与自然实验
随机实验虽然说服力强，但是成本通常较高。自然实验是指由于某些为了实验目的而发生的外部突发事件，使得当事人方法被随机分在了实验组或控制组。

3.工具变量法
将在随后进行介绍

4.面板数据
将在随后进行介绍