So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Nhận dạng nhân quả với Đồ thị có hướng không chu trình (do-calculus)× | Biến công cụ thông qua Bình phương tối thiểu hai giai đoạn (IV/2SLS)× | |
|---|---|---|
| Lĩnh vực | Suy luận nhân quả | Suy luận nhân quả |
| Họ | Regression model | Regression model |
| Năm ra đời | 2009 | 2009 |
| Người khởi xướng≠ | Judea Pearl | Angrist & Pischke (textbook treatment); Stock & Yogo (weak-instrument theory) |
| Loại≠ | Causal identification framework | Instrumental-variables regression |
| Công trình gốc≠ | Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0521895606 | Angrist, J. D. & Pischke, J. S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton University Press. ISBN: 978-0691120355 |
| Tên gọi khác≠ | do-calculus, backdoor adjustment, Pearl causal identification, DAG ile Nedensel Tanımlama (do-calculus) | instrumental variables, IV estimation, 2SLS, instrumental variable regression |
| Liên quan | 5 | 5 |
| Tóm tắt≠ | DAG causal identification is a framework, developed by Judea Pearl (2009), that encodes causal assumptions as a directed acyclic graph and uses the do-calculus rules to determine whether and how a causal effect can be identified from observational data. It systematically handles confounders, instrumental variables, and backdoor paths. | IV/2SLS is a two-stage estimation method that recovers the causal effect of an endogenous regressor by isolating the part of its variation driven by an external instrument. It is the workhorse identification strategy in modern applied econometrics, developed at length in Angrist and Pischke's Mostly Harmless Econometrics (2009). |
| ScholarGateBộ dữ liệu ↗ |
|
|