Instrument Variable

Going Around Omitted Variable

Background

  • Omitted Variable Bais를 Control 하기 위해서 가장 쉬운 방법은 Omitted Variable을 식에 추가하면 된다.하지만 데이터가 없으면 더할 수도 없다.
  • 아니면, Wage에 대한 Education의 Effect를 볼 때, Ability값을 일정한 레벨로 유지하는 방법도 있다.이 때는 회귀모델에 Ability를 넣고 계산하면 된다.
    • 그런데 Ability를 측정하기 위한 방법을 고민해야 한다. → IQ?

Instrument Variable

  • Instrument Variable(IV)는 Treatment를 통해서 Outcome에 영향을 미치는 변수이다.

    • Instrument Variable $Z_i$ is uncorelated with $Y_0$, but it is correlated with $T$ → a.k.a "exclusion restriction"
  • $Y_i = \beta_0 + \kappa \ T_i + \pmb{\beta}W_i + u_i$ 식이지만,

    • $W$ 관련 데이터가 없기 때문에 실제 식은 $Y_i = \beta_0 + \kappa\ T_i + v_i$이고 $v_i = \pmb{\beta}W_i + u_i$로 $W$에 관한 값을 가지고 있을 것이다.
    • 따라서 $W$는 Confounder이기 때문에 $Cov(T,v) \neq 0$일 것이다.
    • A confounder (also confounding variable, confounding factor, extraneous determinant or lurking variable) is a variable that influences both the dependent variable and independent variable, causing a spurious association.
    • 이 상황에서 그냥 계산하면 $\kappa$는 Biased Estimator일 것이다.
  • 이 때 Instrument Variable을 활용해야 한다. Instirument Variable(IV)는 $Cov(Z,v) = 0$여야 한다.

  • 안그러면 Z -> W -> Y로의 Second path가 다음과 같이 있을 것이다.

  • $Cov(Z,Y) = Cov(Z,\beta_0 + \kappa\ T_i + v_i) = \kappa Cov(Z,T) + Cov(Z, v) = \kappa Cov(Z,T)$

    • 참고) $Cox(X,Y+Z) = Cov(X,Y) + Cov(X,Z)$
  • 이 식을 $V(Z_i)$으로 나누면 $\kappa = \dfrac{Cov(Y_i, Z_i)/V(Z_i)}{Cov(T_i, Z_i)/V(Z_i)} = \dfrac{\text{Reduced Form}}{\text{1st Stage}}$

    • 분자 분모 모두 Regression Coefficient
      • $Y=\beta_{1} X + \beta_0$, 일때 $\hat{\beta_1} = {S_{xy} \over S_{xx}}$
      • $Var(Z_i) = (Z_i - \bar{Z})^2$
    • 분자: The result from the regression of Y on Z
      • only capturing how big is this effect of Z on Y through T.
      • the reduced form coefficient
    • 분모: regression of T on Z A.K.A. 1st Stage Coefficient
  • $\kappa = \dfrac{\frac{\partial y}{\partial z}}{\frac{\partial T}{\partial z}} = \dfrac{\partial y}{\partial z} * \dfrac{\partial z}{\partial T} = \dfrac{\partial y}{\partial T}$

    • Scale을 동일하게 맞췄을 때, Y에 대한 T의 Impact는, Y에 대한 Z의 Impact와 동일하다.
  • Confounder 때문에 T가 Y에게 주는 Impact는 파악하기 어려울 수 있지만, Z가 Y에게 주는 효과를 구할 수 있으니, 이 것을 구한 다음에 T에 대한 Z가 주는 효과로 Normalizing 해주면 간접적으로 우리는 T가 Y에 대해 주는 Impact를 구할 수 있게 된다.

  • When the instrument is a dummy variable.

    • $\kappa = \dfrac{E[Y|Z=1]-E[Y|Z=0]}{E[T|Z=1]-E[T|Z=0]}$ → Wald Estimator

References

Read more

[책]Reshuffle: Who wins when AI restacks the knowledge economy

[책]Reshuffle: Who wins when AI restacks the knowledge economy

원래는 Amazon에 가서 Personal Knowledge Managment에 관한 책을 사려고 했다. Sketch Your Mind라는 책이었는데, 그 때 이 책 “Reshuffle”을 발견하였다. AI가 어떻게 Knowledge Economy를 흔들 것가? 라는 부제를 훑어보면서 저자가 쓴 다른 책을 보게 되었는데 거기에 내가 좋아했던 책을쓴 저자라는 것을 알게 되었다. 그래서 크게 고민하지 않고 구매를 하고

By Bongho, Lee
[책]올라운드투자, 누군가의 투자일기

[책]올라운드투자, 누군가의 투자일기

“올라운드 투자”라는 제목을 보았을 때는, “올라운드 플레이어”가 생각이 났다. “올라운드”라는 표현을 오랜만에 들어본 까닭이었다. 그럼에도 불구하고 이 책을 고른 것은 저자가 그간 보여준 컨텐츠에 대한 신뢰가 있던 까닭이었다. 컨텐츠를 다양하게 보는 편이지만 깊이가 아주 있지는 않았다. 여기서 깊이라 함은 기존 전문적인 정량적 분석의 내용의 수준을 말하는 것이다.

By Bongho, Lee
내가 놓치고 있던 미래, 먼저 온 미래를 읽고

내가 놓치고 있던 미래, 먼저 온 미래를 읽고

장강명 작가의 책은, 유학시절 읽고 처음이었다. 유학시절 "한국이 싫어서"라는 책은 동기부여가 상당히 되는 책이었다. 한국을 떠나 새로운 정채성을 학생으로서 Build up 해나가고 있던 상황에서 이 책은 제목부터 꽤 솔깃하였다. 물론 결말이 기억날 정도로 인상깊은 책은 아니었지만 말이다. 그렇게 시간이 흘러 장강명 작가의 책은 더 이상 읽지 않던

By Bongho, Lee