Regression modelQuasi-experimental / causal inference
贝叶斯工具变量 (Bayesian IV)
贝叶斯工具变量将处理内生性的工具变量策略与贝叶斯后验推断相结合。它不依赖渐近抽样分布，而是对所有结构参数设置先验分布，并恢复因果效应的完整后验分布，提供关于参数的概率陈述而非p值——这在工具变量较弱或样本量较小时尤其有价值。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Kleibergen, F., & Zivot, E. (2003). Bayesian and classical approaches to instrumental variable regression. Journal of Econometrics, 114(1), 29-72. DOI: 10.1016/s0304-4076(02)00219-1 ↗
- Lancaster, T. (2004). An Introduction to Modern Bayesian Econometrics. Blackwell Publishing. ISBN: 978-1405117203
如何引用本页
ScholarGate. (2026, June 3). Bayesian Instrumental Variables Estimation. ScholarGate. https://scholargate.app/zh/causal-inference/bayesian-instrumental-variables
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 两阶段最小二乘法 (2SLS / IV) 回归计量经济学↔ 比较
- 贝叶斯双重差分法因果推断↔ 比较
- Bayesian Regression贝叶斯↔ 比较
- 双重差分法 (Diff-in-Diff)计量经济学↔ 比较
- 因果推断的工具变量（IV）方法卫生经济学↔ 比较
- 倾向得分匹配研究统计学↔ 比较