互助问答第341期：konfound命令的结果解读

konfound命令的结果解读

老师，

您好！我在进行OLS基准回归后，使用STATA的konfound命令进行敏感性分析，以进一步观测遗漏变量对估计结果的影响。但是，konfound结果不能理解。

以Hamilton (1992)数据集中的两个例子来说明konfound命令的用法。第一个命令来自 Hamilton（1983）关于用水量的调查。被解释变量为1981年夏天的家庭用水量water81，解释变量包括1980年夏天的家庭用水量water80，家庭收入income，受教育年限educ，户主是否退休retire和1980年家庭成员数peop80

基准回归结果：

家庭成员人数peop80在统计意义上显著。为了量化关于遗漏变量的因果推断稳健性或量化或判断因果推断有效性的偏差百分比，使用konfound命令得到结果如下：

To invalidate the inference 74.96% (372) cases would have to be replaced with cases for which there is an effect of 0.

这句话的意思是什么？

An omitted variable would have to correlated at 0.519 with the predictor of interest (conditioning on observed covariates) to invalidate an inference. Correspondingly the impact of an omitted variable (as defined in Frank 2000) must be 0.519 x 0.519 = 0.2697 to invalidate an inference.

这句话是什么意思？为什么两个0.519要相乘？

To invalidate the inference 74.96% (372) cases would have to be replaced with cases for which there is an effect of 0.

测算的是，使用因果模型解释偏差导致因果推断失效的程度，即使推断无效的偏差百分比。所谓偏差百分比为能够被原假设替代从而使推论无效的可观测样本比例。

在这里的意思为，对变量peop80而言，为使得推断无效，需要被效应为0的样本替代的样本比例为74.96%

 

在Frank（2000）将混淆变量影响因果推断的程度定义为混淆变量与自变量和混淆变量与因变量相关系数的乘积。在此案例中，被遗漏变量与peop80的相关系数为0.519，与被解释变量的相关系数也为0.519，因此被遗漏变量的总影响为0.519*0.519

往期回顾：

互助问答第340期：关于交互项的使用问题

如果您在计量学习和实证研究中遇到问题，有三条途径可以到达我们手里：一是请及时发到邮箱szlw58@126.com；二是加入论文导向计量群（现有10个群）；三是直接在微信公众号平台后台留言。专业委员会有40多名编辑都会看，您的问题会得到及时关注！请您将问题描述清楚，任何有助于把问题描述清楚的细节都能使我们更方便地回答您的问题，提问细则参见：实证研究互助平台最新通知（点击文末阅读原文查看详情）

如果您想成为问题解答者，在帮助他人过程中巩固自己的知识，请发邮件至szlw58@126.com（优先）或给本公众号留言或加微信793481976给群主留言，我们诚挚欢迎热心的学者和学生。具体招募信息请参见：实证研究互助平台志愿者团队招募公告

鲜活的事例更有助于提高您的研究水平，呆板的教科书让人生厌。如果您喜欢，请提出您的问题，也请转发推广！

（欢迎转发，欢迎分享；转载请注明出处，引用和合作请留言。本文作者拥有所有版权，原创文章最早发表于“学术苑”。任何侵权行为将面临追责！）

学术指导：张晓峒老师 Ben Lambert

本期解答人：任婉婉老师

编辑：易仰楠

统筹：左川 易仰楠

技术：刘子瑗

全文完，感谢您的耐心阅读

请顺手点个“在看”吧~

阅读原文