141. Zayıf araca sağlam araç değişkeni çıkarımı (Python)
Şablon kimliği: zayif_arac_saglam_py · Kategori: nedensel çıkarım · Dil: Python · Dosya: pro/sablonlar/nedensel/zayif_arac_saglam_py.py (satır 1–237; üstbilgi 1–58) · Örnek veri: _ornek/card.csv · Paketler: numpy 2.4.6, pandas 2.3.3, scipy 1.16.3, matplotlib 3.10.9 (Python 3.13.1) · R eşi: Bölüm 140
141.1 Ne işe yarar
Şablon, Bölüm 140'taki zayif_arac_saglam şablonunun Python karşılığıdır ve aynı soruyu yanıtlar: tek içsel değişkenli Y=\beta D+X'\alpha+\varepsilon modelinde araç değişkenlerle \beta'yı kestirmek ve araçlar zayıf olsa bile geçerli kalan bir güven kümesi vermek. Çıktısı da aynıdır: ilk aşama kısmi F; EKK, TSLS, LIML ve Fuller; Anderson-Rubin (AR) testi ve güven kümesi; L>1 ise Sargan testi. Hesap ivmodel yerine numpy ve scipy ile yazılmıştır. Kavramların ayrıntılı anlatımı (araç geçerliliği, k-sınıfı kestiriciler, AR'ın tersine çevrilmesi, CLR, Sargan) Bölüm 140.1 ve 140.4'tedir; bu bölüm kendi başına okunabilmesi için hesabı özetler ve Python'a özgü noktaları anlatır.
Önemli: Aynı veri ve ayarda iki şablon, ilk aşama F, k-sınıfı kestirimleri ve standart hataları, AR istatistiği ve AR kümesi için 10^{-9} göreli içinde aynı sayıları verir (141.6.2). Python şablonu R şablonundan şu noktalarda ayrılır: (1) CLR yalnız tek araçta verilir (orada AR'ın kopyasıdır); birden çok araçta satır NaN'dır; (2) standart hatalar yalnız klasiktir: heteroskedastisiteye dayanıklı, kümeye göre ve çok zayıf araç SH'si seçenekleri yoktur; (3) dışsal ortak değişkensiz model her iki şablonda da çalışır (aynı sonuç); (4) p değerleri her iki şablonda da üst kuyruktan hesaplanır ve 0'a yuvarlanmaz.
Ne zaman kullanılır?
- R'nin kurulu olmadığı ya da kullanıcının Python yorumlayıcısıyla çalıştığı bilgisayarlarda.
- Ortak değişken kullanılmayan basit modellerde ya da hızlı bir çapraz denetim istendiğinde.
- AR, LIML ve Fuller yeterliyse; sağlam SH ve çok araçlı CLR gerekmiyorsa.
Ne zaman kullanılmaz?
- Çok araçlı CLR kümesi, dayanıklı ya da kümeli SH, Bekker SH'si: Bölüm 140
zayif_arac_saglam(R). - Tedavi gözlenen karıştırıcılarla dengelenebiliyorsa: Bölüm 125
cift_saglam_aipw, Bölüm 127dengeleme_agirliklari, Bölüm 139tmle. - Süreksizlik tasarımı: Bölüm 137
regresyon_sureksizligi. - Birden çok içsel değişken: şablon tek içsel değişkenlidir.
Temel programla ilişki. Temel programdaki iki aşamalı en küçük kareler paneli TSLS ve ilk aşama tanılarını verir; zayıf araca sağlam AR kümesi, LIML ve Fuller yalnız bu iki şablondadır.
141.2 Şablonun girdileri
Form, üstbilgideki 7 [[param]] bloğundan kurulur (zayif_arac_saglam_py.py:11–57); alanlar R eşinin ilk yedi alanından sh_turu, kume ve cok_zayif_sh çıkarılmış hâlidir. Türlerin anlamı ve formun ortak denetimi Bölüm 1.2'dedir. Üstbilgideki yan dosya alanı (10. satır) kitabın konusu değildir (Bölüm 1.1).
| Alan (form etiketi) · ad | Tür · sekme | Varsayılan | Geçerli değerler | Kodda etkisi |
|---|---|---|---|---|
Sonuç Y · y |
sayısal sütun · Değişkenler | ilk sayısal sütun | sayısal, sabit değil | Y (11–15, 71, 102–104). |
İçsel değişken D · d |
sayısal sütun · Değişkenler | ilk sayısal sütun | sayısal, sabit değil | D (16–20, 71, 102–104). |
Araç değişken(ler) Z · z |
sütunlar · Değişkenler | yok | en az 1 sütun | Z (21–26, 73–78, 105). |
Dışsal ortak değişkenler X · x |
sütunlar · Değişkenler | yok (isteğe bağlı) | herhangi sütunlar | X (27–32, 79, 106). |
Anlamlılık düzeyi \alpha · alfa |
ondalık · Seçenekler | 0,05 | 0,001–0,5 | GA ve testler (33–40, 114). |
Fuller düzeltme sabiti b · fuller_b |
ondalık · Model | 1 | 0–10 | Fuller k (41–48, 146). |
Sıfır hipotezi değeri \beta_0 · beta0 |
ondalık · Seçenekler | 0 | \pm10^9 | t ve AR testleri (49–57, 151, 159, 173–178). |
Şablonun kendi denetimleri (mq.hata):
| Koşul | İleti (özet) | Satır |
|---|---|---|
| Veri açık değil | "Önce Veri sekmesinde bir veri açın." | 69–70 |
| Sonuç ve içsel değişken aynı sütun | "Sonuç ve içsel değişken farklı olmalı." | 71–72 |
| Sonuç ve içselden farklı araç yok | "… en az bir araç seçin." | 73–78 |
| Tam satır sayısı <10 | "En az 10 tam satır gerekli." | 84–85 |
| Sayısal sütun sabit | "'…' sabit; çıkarın." | 92–93 |
| Kategorik sütun tek düzeyli | "'…' sabit (tek düzeyli); çıkarın." | 96–97 |
| Sonuç ya da içsel değişken sayısal değil ya da sabit | "Sonuç ve içsel değişken sayısal ve değişken olmalı." | 102–104 |
| Araçlar ve ortak değişkenler eş doğrusal | "Araçlar ve ortak değişkenler doğrusal bağımlı …" | 108–110 |
| n-L-p<3 (p sabit dahil) | "Gözlem sayısı araç ve ortak değişken sayısına göre çok az." | 111–113 |
Eksik değerli satırlar sessizce atılır (dropna, 82); çıktıdaki n atıldıktan sonraki sayıdır. Sonuç ya da içsel değişken z listesindeyse, sonuç, içsel değişken ya da araç x listesindeyse listeden çıkarılır (73–75, 79–81) ve çıkarılan sütunlar "Not: … çıkarıldı" satırıyla yazılır (117–121). Sayısal tür testi pandas'ın türüne dayanır (88–91): bool dışındaki sayısal sütun sayıdır; metin, kategorik ve mantıksal sütun, alfabetik sıralanmış düzeylerinin ilk dışındakilerin göstergelerine çevrilir (91–95; R eşi ilk görülme sırasını kullanır, sonucu etkilemez). Hesap belirlenimcidir; Bölüm 1.3'teki Tohum alanı sonucu etkilemez.
Örnek ayar (ornek_param, satır 9): y = lwage, d = educ, z = nearc4, x = exper, expersq, black, south, smsa; R eşiyle aynıdır.
141.3 Örnek veri
card.csv, R eşiyle aynı dosyadır (Bölüm 140.3; Card, 1995): 3010 gözlem, 11 sütun, eksik değer yok; lwage sonuç, educ içsel değişken, nearc4 (ve isteğe bağlı nearc2) araç, exper, expersq, black, south, smsa ortak değişken. Veri sekmesinin türleri: nearc4, nearc2, black, south, smsa ikili; öteki sayısal.
Düzey sırası. Kategorik araç ya da ortak değişkenler bu şablonda metne çevrilip alfabetik sıralanır ve alfabetik ilk düzey başvuru olur; başvuru düzeyi TSLS, LIML ve AR sonucunu değiştirmez (kesişimli tam gösterge kodlaması; bolge metin aracı için L=2 gösterge sütunu: F_1=20{,}78 ve TSLS 0{,}4457 iki şablonda aynı).
Bu bölümde kullanılan çalıştırmalar R eşiyle aynı adlıdır (adı zp_…): ornek, iki_arac, fuller4, beta0_01, alfa10, zayif, orta, gurultu, x_yok, iki_zayif, bolge_arac, olcek, ters, eksik, virgul, sabit, esdogrusal, n12, n9, y_d_ayni, z_y_icinde, x_z_ortak, x_metin, z_ayni_d, exper_kat, educ_kat, bolge_x, gecersiz. Türetilmiş veriler Bölüm 140.3'te tanıtılmıştır.
141.4 Yöntem: formüller ve hesap adımları
Hesap sırası: veri, Y, D, Z ve X kurulur (69–113); X etkisi çıkarılır, ilk aşama F hesaplanır (124–142); LIML ve Fuller k'leri bulunur, k-sınıfı tablosu yazılır (143–165); AR istatistiği ve kümesi kurulur (167–215); Sargan testi yazılır (216–221); AR profili çizilir (222–237).
141.4.1 Kısmi çıkarma ve ilk aşama
\tilde y=M_XY, \tilde d=M_XD, \tilde Z=M_XZ (artik: numpy.linalg.lstsq ile; 113–119; X kesişim sütununu içerir). İlk aşama kısmi F ve kısmi R^2:
- p burada kesişim dahil sütun sayısıdır (
X.shape[1], 107); R eşinin p-1'i çıktıdakidışsal ortak değişken sayısı psatırında yazılır (138). Bu yüzden iki şablonda n-L-p ve n-L-p-1 aynı sayıdır. - \mathrm{RSS}_{X,Z} kısmi F'te \tilde d'nin \tilde Z üzerine artığıdır (131–133).
F_1<10 ise uyarı yazılır (129–131; metin R eşinden farklı olarak yalnız "AR güven kümesi"ni önerir); eşik pratik kuraldır (Bölüm 140.4.1).
141.4.2 k-sınıfı kestiriciler
LIML'in k'si, V=(\tilde y,\tilde d) ve V_r=M_{\tilde Z}V için genelleştirilmiş özdeğer probleminin en küçüğüdür:
(scipy.linalg.eigh(V.T @ V, Vr.T @ Vr, eigvals_only=True), 143–146). k-sınıfı kestirici (W=(D,X), M=M_{(Z,X)}):
(k=0 EKK, k=1 TSLS; 136–151). Wald aralığı ve p değeri t dağılımından alınır; t'nin serbestlik derecesi n-L-p'dir (df2, 125 ve 150–161). R eşi aynı yerde n-\mathrm{ncol}(W)=n-p-1 kullanır; L=1'de iki sayı eşittir, L>1'de Python'da L-1 sd azdır (ör. L=2, n=3010: 3002 ve 3003); fark t niceliğinde 10^{-7} göreli ve sayılar (10^{-6} ölçütü içinde) aynıdır (bulgular B4). Yalnız klasik (homoskedastik) SH vardır; sh_turu alanı yoktur.
141.4.3 Anderson-Rubin testi ve güven kümesi
(arF, 167–179; beta0 \ne0 iken \tilde y yerine \tilde y-\beta_0\tilde d kullanılır, 173–177). Güven kümesi ikinci derece eşitsizlikle kurulur: c_v=F_{1-\alpha;L,n-L-p}L/(n-L-p) ve a_2=c_v\|\tilde d\|^2-(1+c_v)\|P\tilde d\|^2, a_1=-2c_v\,\tilde d'\tilde y+2(1+c_v)\,\tilde d'P\tilde y, a_0=c_v\|\tilde y\|^2-(1+c_v)\|P\tilde y\|^2 için \{\beta:a_2\beta^2+a_1\beta+a_0\ge0\} (169–173; ayrıntı Bölüm 140.4.3). Ayırıcı \Delta=a_1^2-4a_0a_2:
| Koşul | Küme | Python'da (185–191) |
|---|---|---|
| a_2<0, \Delta>0 | [r_1,r_2] | parcalar = [(r1, r2)] |
| a_2>0, \Delta>0 | (-\infty,r_1]\cup[r_2,\infty) | iki parça |
| a_2\ne0, \Delta\le0, a_2>0 | bütün gerçel doğru | [(-inf, inf)] |
| a_2\ne0, \Delta\le0, a_2<0 | boş küme | [] |
| a_2=0 | yarım doğru ya da bütün doğru | a_1'in işaretine göre |
Tablodaki GA_alt ve GA_ust, parçaların en küçük alt ve en büyük üst sınırı olan zarftır (192–193); küme boşsa NaN ve parca_sayisi = 0 olur ve "AR güven kümesi boş: … araçlar birbiriyle ya da modelle çelişiyor" uyarısı yazılır (211–213). Konsol metni parçaları ∪ ile listeler (204–210); sınırsız uç "∞" ve "-∞" olarak, sonlu sayılar ise aynı tire ile yazılır. Tek araçta CLR AR'ın kopyasıdır: tablonun CLR satırı L=1 iken AR'ın istatistiğini (F\cdot L, 194), p değerini ve kümesini tekrarlar; L>1 iken NaN'dır ve metin "Birden çok araçta CLR yalnız R şablonunda" der.
141.4.4 Sargan testi
L>1 ise LIML artıkları e=\tilde Y-\tilde D\hat\beta_{\rm LIML} (X'ten arındırılmış) \tilde Z üzerine regres edilir ve S=n\big(1-\mathrm{RSS}/e'e\big)\sim\chi^2_{L-1} yazılır (216–221; Bölüm 140.4.5). Test homoskedastik hata varsayar. AR/CLR tablosunun başlığı da "klasik hata varsayımı" ifadesini taşır (200).
141.5 Kod adım adım
| Satırlar | Ne yapar | Neden / dikkat |
|---|---|---|
| 1–58 | Üstbilgi: 7 parametre, örnek veri, ayar. | Yan dosya alanı (10. satır) kitap dışıdır. |
| 59–66 | İçe aktarmalar; _m dil yardımcısı. |
scipy yoksa şablon çalışmaz. |
| 69–85 | Veri, sonuç \ne içsel, araç ve ortak değişken listeleri, n\ge10. | Eksik satırlar çıkarılır (82). |
| 88–99 | sutun: sayısal olduğu gibi, öteki alfabetik ilk düzey dışı göstergeler. |
Sabit sütun hatası. |
| 102–114 | Y, D, Z, X (kesişimli), L, p, eş doğrusallık, n-L-p\ge3, alfa. |
p kesişimi sayar. |
| 124–142 | artik; F_1, R^2; ilk aşama tablosu; F_1<10 uyarısı. |
sd2 =n-L-p. |
| 143–165 | LIML ve Fuller k; EKK, TSLS, LIML, Fuller; k-sınıfı tablosu. | t ve p için df =n-L-p (150). |
| 167–194 | AR F, p, ikinci derece katsayıları, parçalar, zarf, CLR satırı. | L>1: CLR NaN. |
| 195–215 | AR/CLR tablosu ve küme metni. | Metinde "-∞" ve "∞" (tek eksi biçimi). |
| 216–221 | Sargan (L>1). | LIML artıkları. |
| 222–237 | AR F(\beta) profili ve kritik değer çizgisi. | Şekil 141.1. |
Süre: örnek ayarda çalıştırma 4{,}9 s (R eşi 6{,}3 s).
141.6 Elle hesap: örnek veride bağımsız yeniden hesap
Ara değerler Bölüm 140.6'daki aynı betiklerle hesaplanmıştır (dogrulama/zayif_arac_saglam/elle_hesap.py ve r_dogrulama.R; numpy/scipy ve taban R; şablonun hiçbir işlevi kullanılmaz; LIML'in k'si \kappa(\beta) en küçüklemesiyle, AR kümesi kök bulmayla bulunur). Girdi bu şablonun çıktılarıdır (zp_* çalıştırmaları).
Adım 1 — İlk aşama. F_1=16{,}717591 (yayımlanan 16{,}71759), p=4{,}45\times10^{-5}, R^2_{\rm kısmi}=0{,}005536.
Adım 2 — k-sınıfı. EKK 0{,}074009 (SH 0{,}0035054), TSLS 0{,}132289 (SH 0{,}049233, t=2{,}686982, p=0{,}00724981), LIML = TSLS (k=1), Fuller 0{,}128981 (SH 0{,}047601; k=0{,}999667).
Adım 3 — AR. F=6{,}881108 (1 ve 3003 sd), p=0{,}008755, küme [0{,}0383986;\ 0{,}2611837] (yayımlanan [0{,}0383986;\ 0{,}2611837]); tek araçta CLR satırı aynı.
Adım 4 — İki araç. F_1=9{,}4527; TSLS 0{,}160849, LIML 0{,}174638 (k=1{,}0008583), Fuller 0{,}168799. AR F=7{,}155019, küme [0{,}0863437;\ 0{,}3165591]. Sargan 2{,}581263 (p=0{,}108135). R şablonu aynı veride CLR kümesini [0{,}0789044;\ 0{,}3368162] olarak verir; Python'da bu satır yoktur.
Adım 5 — Zayıf araç. F_1=4{,}585: TSLS 0{,}2097 (Wald [-0{,}0058;\ 0{,}4252]), AR kümesi [0{,}0290;\ 1{,}8014]. Gürültü aracı (F_1=0{,}837): AR kümesi [-\infty;\ \infty]. İki zayıf araç (F_1=2{,}73): (-\infty;\ -2{,}1013]\cup[-0{,}0439;\ \infty).
Adım 6 — Başka ayarlar. \beta_0=0{,}1: AR kümesi değişmez, t ve AR testi \beta_0'a göre güncellenir. b=4: Fuller 0{,}120974. \alpha=0{,}10: AR kümesi [0{,}0544;\ 0{,}2328]. Ortak değişken yok: F_1=63{,}912, TSLS 0{,}188063, AR kümesi [0{,}1430;\ 0{,}2509].
141.6.1 Doğrulama: MerQuR+, Python ve R
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | |
|---|---|---|---|---|---|
örnek ayar (nearc4): ilk aşama F |
16,71759144 | 16,71759144 | 16,71759144 | 2,1e−12 | ✓ |
örnek ayar (nearc4): ilk aşama p |
4,451508·10−5 | 4,451508·10−5 | 4,451508·10−5 | 7,9e−16 | ✓ |
örnek ayar (nearc4): kısmi R^2 |
0,00553614 | 0,00553614 | 0,00553614 | 1,1e−14 | ✓ |
örnek ayar (nearc4): OLS kestirimi |
0,07400899 | 0,07400899 | 0,07400899 | 2,0e−15 | ✓ |
örnek ayar (nearc4): OLS SH |
0,00350543 | 0,00350543 | 0,00350543 | 4,0e−17 | ✓ |
örnek ayar (nearc4): OLS p |
2,279883·10−92 | 2,279883·10−92 | 2,279883·10−92 | 2,4e−103 | ✓ |
örnek ayar (nearc4): OLS GA alt |
0,0671357 | 0,0671357 | 0,0671357 | 2,0e−15 | ✓ |
örnek ayar (nearc4): OLS GA üst |
0,08088229 | 0,08088229 | 0,08088229 | 2,0e−15 | ✓ |
örnek ayar (nearc4): TSLS kestirimi |
0,13228884 | 0,13228884 | 0,13228884 | 8,6e−13 | ✓ |
örnek ayar (nearc4): TSLS SH |
0,04923324 | 0,04923324 | 0,04923324 | 1,0e−13 | ✓ |
örnek ayar (nearc4): TSLS p |
0,00724981 | 0,00724981 | 0,00724981 | 2,6e−13 | ✓ |
örnek ayar (nearc4): TSLS GA alt |
0,03575456 | 0,03575456 | 0,03575456 | 6,6e−13 | ✓ |
örnek ayar (nearc4): TSLS GA üst |
0,22882312 | 0,22882312 | 0,22882312 | 1,1e−12 | ✓ |
örnek ayar (nearc4): LIML kestirimi |
0,13228884 | 0,13228884 | 0,13228884 | 8,6e−13 | ✓ |
örnek ayar (nearc4): LIML SH |
0,04923324 | 0,04923324 | 0,04923324 | 1,0e−13 | ✓ |
örnek ayar (nearc4): LIML p |
0,00724981 | 0,00724981 | 0,00724981 | 2,6e−13 | ✓ |
örnek ayar (nearc4): LIML GA alt |
0,03575456 | 0,03575456 | 0,03575456 | 6,6e−13 | ✓ |
örnek ayar (nearc4): LIML GA üst |
0,22882312 | 0,22882312 | 0,22882312 | 1,1e−12 | ✓ |
örnek ayar (nearc4): Fuller kestirimi |
0,12898115 | 0,12898115 | 0,12898115 | 3,1e−12 | ✓ |
örnek ayar (nearc4): Fuller SH |
0,04760087 | 0,04760087 | 0,04760087 | 2,2e−13 | ✓ |
örnek ayar (nearc4): Fuller p |
0,00677392 | 0,00677392 | 0,00677392 | 1,1e−12 | ✓ |
örnek ayar (nearc4): Fuller GA alt |
0,03564754 | 0,03564754 | 0,03564754 | 2,7e−12 | ✓ |
örnek ayar (nearc4): Fuller GA üst |
0,22231476 | 0,22231476 | 0,22231476 | 3,5e−12 | ✓ |
örnek ayar (nearc4): LIML k |
1 | 1 | 1 | 1,9e−15 | ✓ |
örnek ayar (nearc4): Fuller k |
0,999667 | 0,999667 | 0,999667 | 1,6e−15 | ✓ |
örnek ayar (nearc4): AR F |
6,88110831 | 6,88110831 | 6,88110831 | 6,8e−14 | ✓ |
örnek ayar (nearc4): AR p |
0,00875521 | 0,00875521 | 0,00875521 | 1,8e−15 | ✓ |
örnek ayar (nearc4): AR GA alt (zarf) |
0,0383986 | 0,0383986 | 0,0383986 | 4,1e−15 | ✓ |
örnek ayar (nearc4): AR GA üst (zarf) |
0,26118365 | 0,26118365 | 0,26118365 | 9,3e−15 | ✓ |
örnek ayar (nearc4): CLR p |
0,00875521 | 0,00875521 | 0,00875521 | 2,7e−15 | ✓ |
iki araç (nearc4, nearc2): ilk aşama F |
9,45268853 | 9,45268853 | 9,45268853 | 2,1e−12 | ✓ |
iki araç (nearc4, nearc2): TSLS kestirimi |
0,16084873 | 0,16084873 | 0,16084873 | 2,7e−12 | ✓ |
iki araç (nearc4, nearc2): TSLS SH |
0,04862909 | 0,04862909 | 0,04862909 | 2,3e−13 | ✓ |
iki araç (nearc4, nearc2): LIML kestirimi |
0,17463797 | 0,17463797 | 0,17463797 | 4,8e−12 | ✓ |
iki araç (nearc4, nearc2): LIML SH |
0,05382563 | 0,05382563 | 0,05382563 | 5,9e−13 | ✓ |
iki araç (nearc4, nearc2): Fuller kestirimi |
0,16879937 | 0,16879937 | 0,16879937 | 7,7e−13 | ✓ |
iki araç (nearc4, nearc2): Fuller SH |
0,05161175 | 0,05161175 | 0,05161175 | 6,6e−14 | ✓ |
iki araç (nearc4, nearc2): LIML k |
1,0008583 | 1,0008583 | 1,0008583 | 6,7e−16 | ✓ |
iki araç (nearc4, nearc2): Fuller k |
1,00052519 | 1,00052519 | 1,00052519 | 6,7e−16 | ✓ |
iki araç (nearc4, nearc2): AR F |
7,15501881 | 7,15501881 | 7,15501881 | 3,6e−14 | ✓ |
iki araç (nearc4, nearc2): AR p |
7,943238·10−4 | 7,943238·10−4 | 7,943238·10−4 | 1,0e−15 | ✓ |
iki araç (nearc4, nearc2): AR GA alt (zarf) |
0,08634374 | 0,08634374 | 0,08634374 | 2,2e−14 | ✓ |
iki araç (nearc4, nearc2): AR GA üst (zarf) |
0,31655909 | 0,31655909 | 0,31655909 | 9,4e−14 | ✓ |
iki araç (nearc4, nearc2): Sargan |
2,58126252 | 2,58126252 | 2,58126252 | 1,5e−15 | ✓ |
iki araç (nearc4, nearc2): Sargan p |
0,10813538 | 0,10813538 | 0,10813538 | 1,6e−15 | ✓ |
| Fuller b=4: ilk aşama F | 16,71759144 | 16,71759144 | 16,71759144 | 2,1e−12 | ✓ |
| Fuller b=4: TSLS kestirimi | 0,13228884 | 0,13228884 | 0,13228884 | 8,6e−13 | ✓ |
| Fuller b=4: TSLS SH | 0,04923324 | 0,04923324 | 0,04923324 | 1,0e−13 | ✓ |
| Fuller b=4: LIML kestirimi | 0,13228884 | 0,13228884 | 0,13228884 | 8,6e−13 | ✓ |
| Fuller b=4: LIML SH | 0,04923324 | 0,04923324 | 0,04923324 | 1,0e−13 | ✓ |
| Fuller b=4: Fuller kestirimi | 0,12097396 | 0,12097396 | 0,12097396 | 1,2e−12 | ✓ |
| Fuller b=4: Fuller SH | 0,04356743 | 0,04356743 | 0,04356743 | 5,2e−14 | ✓ |
| Fuller b=4: LIML k | 1 | 1 | 1 | 1,9e−15 | ✓ |
| Fuller b=4: Fuller k | 0,998668 | 0,998668 | 0,998668 | 1,6e−15 | ✓ |
| Fuller b=4: AR F | 6,88110831 | 6,88110831 | 6,88110831 | 6,8e−14 | ✓ |
| Fuller b=4: AR p | 0,00875521 | 0,00875521 | 0,00875521 | 1,8e−15 | ✓ |
| Fuller b=4: AR GA alt (zarf) | 0,0383986 | 0,0383986 | 0,0383986 | 4,1e−15 | ✓ |
| Fuller b=4: AR GA üst (zarf) | 0,26118365 | 0,26118365 | 0,26118365 | 9,3e−15 | ✓ |
| Fuller b=4: CLR p | 0,00875521 | 0,00875521 | 0,00875521 | 2,7e−15 | ✓ |
| \beta_0=0{,}1: ilk aşama F | 16,71759144 | 16,71759144 | 16,71759144 | 2,1e−12 | ✓ |
| \beta_0=0{,}1: TSLS kestirimi | 0,13228884 | 0,13228884 | 0,13228884 | 8,6e−13 | ✓ |
| \beta_0=0{,}1: TSLS SH | 0,04923324 | 0,04923324 | 0,04923324 | 1,0e−13 | ✓ |
| \beta_0=0{,}1: LIML kestirimi | 0,13228884 | 0,13228884 | 0,13228884 | 8,6e−13 | ✓ |
| \beta_0=0{,}1: LIML SH | 0,04923324 | 0,04923324 | 0,04923324 | 1,0e−13 | ✓ |
| \beta_0=0{,}1: Fuller kestirimi | 0,12898115 | 0,12898115 | 0,12898115 | 3,1e−12 | ✓ |
| \beta_0=0{,}1: Fuller SH | 0,04760087 | 0,04760087 | 0,04760087 | 2,2e−13 | ✓ |
| \beta_0=0{,}1: LIML k | 1 | 1 | 1 | 1,9e−15 | ✓ |
| \beta_0=0{,}1: Fuller k | 0,999667 | 0,999667 | 0,999667 | 1,6e−15 | ✓ |
| \beta_0=0{,}1: AR F | 0,46133521 | 0,46133521 | 0,46133521 | 4,4e−14 | ✓ |
| \beta_0=0{,}1: AR p | 0,49705297 | 0,49705297 | 0,49705297 | 1,6e−13 | ✓ |
| \beta_0=0{,}1: AR GA alt (zarf) | 0,0383986 | 0,0383986 | 0,0383986 | 4,1e−15 | ✓ |
| \beta_0=0{,}1: AR GA üst (zarf) | 0,26118365 | 0,26118365 | 0,26118365 | 9,3e−15 | ✓ |
| \beta_0=0{,}1: CLR p | 0,49705297 | 0,49705297 | 0,49705297 | 1,1e−13 | ✓ |
| \alpha=0{,}10: ilk aşama F | 16,71759144 | 16,71759144 | 16,71759144 | 2,1e−12 | ✓ |
| \alpha=0{,}10: TSLS kestirimi | 0,13228884 | 0,13228884 | 0,13228884 | 8,6e−13 | ✓ |
| \alpha=0{,}10: TSLS SH | 0,04923324 | 0,04923324 | 0,04923324 | 1,0e−13 | ✓ |
| \alpha=0{,}10: LIML kestirimi | 0,13228884 | 0,13228884 | 0,13228884 | 8,6e−13 | ✓ |
| \alpha=0{,}10: LIML SH | 0,04923324 | 0,04923324 | 0,04923324 | 1,0e−13 | ✓ |
| \alpha=0{,}10: Fuller kestirimi | 0,12898115 | 0,12898115 | 0,12898115 | 3,1e−12 | ✓ |
| \alpha=0{,}10: Fuller SH | 0,04760087 | 0,04760087 | 0,04760087 | 2,2e−13 | ✓ |
| \alpha=0{,}10: LIML k | 1 | 1 | 1 | 1,9e−15 | ✓ |
| \alpha=0{,}10: Fuller k | 0,999667 | 0,999667 | 0,999667 | 1,6e−15 | ✓ |
| \alpha=0{,}10: AR F | 6,88110831 | 6,88110831 | 6,88110831 | 6,8e−14 | ✓ |
| \alpha=0{,}10: AR p | 0,00875521 | 0,00875521 | 0,00875521 | 1,8e−15 | ✓ |
| \alpha=0{,}10: AR GA alt (zarf) | 0,05440382 | 0,05440382 | 0,05440382 | 1,4e−14 | ✓ |
| \alpha=0{,}10: AR GA üst (zarf) | 0,23282197 | 0,23282197 | 0,23282197 | 1,2e−14 | ✓ |
| \alpha=0{,}10: CLR p | 0,00875521 | 0,00875521 | 0,00875521 | 2,7e−15 | ✓ |
| zayıf araç (F\approx4{,}6): ilk aşama F | 4,58512037 | 4,58512037 | 4,58512037 | 2,4e−12 | ✓ |
| zayıf araç (F\approx4{,}6): TSLS kestirimi | 0,20969807 | 0,20969807 | 0,20969807 | 7,5e−12 | ✓ |
| zayıf araç (F\approx4{,}6): TSLS SH | 0,1099178 | 0,1099178 | 0,1099178 | 2,3e−12 | ✓ |
| zayıf araç (F\approx4{,}6): LIML kestirimi | 0,20969807 | 0,20969807 | 0,20969807 | 7,5e−12 | ✓ |
| zayıf araç (F\approx4{,}6): LIML SH | 0,1099178 | 0,1099178 | 0,1099178 | 2,3e−12 | ✓ |
| zayıf araç (F\approx4{,}6): Fuller kestirimi | 0,18536623 | 0,18536623 | 0,18536623 | 5,3e−12 | ✓ |
| zayıf araç (F\approx4{,}6): Fuller SH | 0,0940254 | 0,0940254 | 0,0940254 | 1,1e−12 | ✓ |
| zayıf araç (F\approx4{,}6): LIML k | 1 | 1 | 1 | 2,2e−16 | ✓ |
| zayıf araç (F\approx4{,}6): Fuller k | 0,999667 | 0,999667 | 0,999667 | 5,6e−16 | ✓ |
| zayıf araç (F\approx4{,}6): AR F | 4,75794931 | 4,75794931 | 4,75794931 | 1,2e−13 | ✓ |
| zayıf araç (F\approx4{,}6): AR p | 0,02924059 | 0,02924059 | 0,02924059 | 1,5e−14 | ✓ |
| zayıf araç (F\approx4{,}6): AR GA alt (zarf) | 0,02901438 | 0,02901438 | 0,02901438 | 1,0e−14 | ✓ |
| zayıf araç (F\approx4{,}6): AR GA üst (zarf) | 1,80136464 | 1,80136464 | 1,80136464 | 4,5e−13 | ✓ |
| zayıf araç (F\approx4{,}6): CLR p | 0,02924059 | 0,02924059 | 0,02924059 | 1,1e−14 | ✓ |
| sınırda araç (F\approx11): ilk aşama F | 11,02332123 | 11,02332123 | 11,02332123 | 9,1e−13 | ✓ |
| sınırda araç (F\approx11): TSLS kestirimi | 0,17848072 | 0,17848072 | 0,17848072 | 3,2e−13 | ✓ |
| sınırda araç (F\approx11): TSLS SH | 0,06598169 | 0,06598169 | 0,06598169 | 1,1e−13 | ✓ |
| sınırda araç (F\approx11): LIML kestirimi | 0,17848072 | 0,17848072 | 0,17848072 | 3,2e−13 | ✓ |
| sınırda araç (F\approx11): LIML SH | 0,06598169 | 0,06598169 | 0,06598169 | 1,1e−13 | ✓ |
| sınırda araç (F\approx11): Fuller kestirimi | 0,16975973 | 0,16975973 | 0,16975973 | 1,3e−12 | ✓ |
| sınırda araç (F\approx11): Fuller SH | 0,06201392 | 0,06201392 | 0,06201392 | 2,1e−13 | ✓ |
| sınırda araç (F\approx11): LIML k | 1 | 1 | 1 | 1,3e−15 | ✓ |
| sınırda araç (F\approx11): Fuller k | 0,999667 | 0,999667 | 0,999667 | 1,3e−15 | ✓ |
| sınırda araç (F\approx11): AR F | 8,27855702 | 8,27855702 | 8,27855702 | 4,3e−14 | ✓ |
| sınırda araç (F\approx11): AR p | 0,00403991 | 0,00403991 | 0,00403991 | 6,7e−16 | ✓ |
| sınırda araç (F\approx11): AR GA alt (zarf) | 0,06476874 | 0,06476874 | 0,06476874 | 3,1e−15 | ✓ |
| sınırda araç (F\approx11): AR GA üst (zarf) | 0,40450224 | 0,40450224 | 0,40450224 | 3,4e−14 | ✓ |
| sınırda araç (F\approx11): CLR p | 0,00403991 | 0,00403991 | 0,00403991 | 1,1e−15 | ✓ |
| gürültü aracı (F\approx0{,}8): ilk aşama F | 0,83701315 | 0,83701315 | 0,83701315 | 1,2e−11 | ✓ |
| gürültü aracı (F\approx0{,}8): TSLS kestirimi | 0,05814308 | 0,05814308 | 0,05814308 | 3,1e−11 | ✓ |
| gürültü aracı (F\approx0{,}8): TSLS SH | 0,21071247 | 0,21071247 | 0,21071247 | 5,4e−12 | ✓ |
| gürültü aracı (F\approx0{,}8): LIML kestirimi | 0,05814308 | 0,05814308 | 0,05814308 | 1,9e−11 | ✓ |
| gürültü aracı (F\approx0{,}8): LIML SH | 0,21071247 | 0,21071247 | 0,21071247 | 6,3e−12 | ✓ |
| gürültü aracı (F\approx0{,}8): Fuller kestirimi | 0,06678229 | 0,06678229 | 0,06678229 | 3,9e−12 | ✓ |
| gürültü aracı (F\approx0{,}8): Fuller SH | 0,14185056 | 0,14185056 | 0,14185056 | 6,2e−14 | ✓ |
| gürültü aracı (F\approx0{,}8): LIML k | 1 | 1 | 1 | 2,2e−15 | ✓ |
| gürültü aracı (F\approx0{,}8): Fuller k | 0,999667 | 0,999667 | 0,999667 | 2,0e−15 | ✓ |
| gürültü aracı (F\approx0{,}8): AR F | 0,06675322 | 0,06675322 | 0,06675322 | 2,4e−13 | ✓ |
| gürültü aracı (F\approx0{,}8): AR p | 0,79614182 | 0,79614182 | 0,79614182 | 4,6e−13 | ✓ |
| gürültü aracı (F\approx0{,}8): CLR p | 0,79614182 | 0,79614182 | 0,79614182 | 4,1e−14 | ✓ |
| dışsal ortak değişken yok: ilk aşama F | 63,91185678 | 63,91185678 | 63,91185678 | 5,2e−13 | ✓ |
| dışsal ortak değişken yok: TSLS kestirimi | 0,18806263 | 0,18806263 | 0,18806263 | 3,1e−13 | ✓ |
| dışsal ortak değişken yok: TSLS SH | 0,02629134 | 0,02629134 | 0,02629134 | 4,0e−14 | ✓ |
| dışsal ortak değişken yok: LIML kestirimi | 0,18806263 | 0,18806263 | 0,18806263 | 3,1e−13 | ✓ |
| dışsal ortak değişken yok: LIML SH | 0,02629134 | 0,02629134 | 0,02629134 | 3,8e−14 | ✓ |
| dışsal ortak değişken yok: Fuller kestirimi | 0,18592346 | 0,18592346 | 0,18592346 | 1,4e−13 | ✓ |
| dışsal ortak değişken yok: Fuller SH | 0,02591343 | 0,02591343 | 0,02591343 | 2,2e−14 | ✓ |
| dışsal ortak değişken yok: LIML k | 1 | 1 | 1 | 3,0e−15 | ✓ |
| dışsal ortak değişken yok: Fuller k | 0,99966755 | 0,99966755 | 0,99966755 | 3,3e−15 | ✓ |
| dışsal ortak değişken yok: AR F | 82,74453242 | 82,74453242 | 82,74453242 | 9,1e−15 | ✓ |
| dışsal ortak değişken yok: AR p | 1,654907·10−19 | 1,654907·10−19 | 1,654907·10−19 | 4,9e−31 | ✓ |
| dışsal ortak değişken yok: AR GA alt (zarf) | 0,1430375 | 0,1430375 | 0,1430375 | 3,0e−14 | ✓ |
| dışsal ortak değişken yok: AR GA üst (zarf) | 0,25086263 | 0,25086263 | 0,25086263 | 5,3e−14 | ✓ |
| dışsal ortak değişken yok: CLR p | 1,654907·10−19 | 1,654907·10−19 | 1,654907·10−19 | 4,7e−31 | ✓ |
| iki zayıf araç: ilk aşama F | 2,7316373 | 2,7316373 | 2,7316373 | 1,9e−12 | ✓ |
| iki zayıf araç: TSLS kestirimi | 0,18589686 | 0,18589686 | 0,18589686 | 2,2e−12 | ✓ |
| iki zayıf araç: TSLS SH | 0,09518034 | 0,09518034 | 0,09518034 | 5,4e−13 | ✓ |
| iki zayıf araç: LIML kestirimi | 0,19289984 | 0,19289984 | 0,19289984 | 7,1e−12 | ✓ |
| iki zayıf araç: LIML SH | 0,0996998 | 0,0996998 | 0,0996998 | 1,7e−12 | ✓ |
| iki zayıf araç: Fuller kestirimi | 0,17350973 | 0,17350973 | 0,17350973 | 8,7e−12 | ✓ |
| iki zayıf araç: Fuller SH | 0,08735677 | 0,08735677 | 0,08735677 | 1,6e−12 | ✓ |
| iki zayıf araç: LIML k | 1,00010701 | 1,00010701 | 1,00010701 | 3,6e−15 | ✓ |
| iki zayıf araç: Fuller k | 0,9997739 | 0,9997739 | 0,9997739 | 4,4e−16 | ✓ |
| iki zayıf araç: AR F | 2,41762956 | 2,41762956 | 2,41762956 | 1,0e−13 | ✓ |
| iki zayıf araç: AR p | 0,08930618 | 0,08930618 | 0,08930618 | 1,2e−13 | ✓ |
| iki zayıf araç: Sargan | 0,32207234 | 0,32207234 | 0,32207234 | 1,7e−16 | ✓ |
| iki zayıf araç: Sargan p | 0,5703649 | 0,5703649 | 0,5703649 | 2,2e−16 | ✓ |
metin araç (bolge, 3 düzey): ilk aşama F |
20,77824448 | 20,77824448 | 20,77824448 | 6,5e−13 | ✓ |
metin araç (bolge, 3 düzey): TSLS kestirimi |
0,44565509 | 0,44565509 | 0,44565509 | 1,5e−12 | ✓ |
metin araç (bolge, 3 düzey): TSLS SH |
0,064572 | 0,064572 | 0,064572 | 2,5e−13 | ✓ |
metin araç (bolge, 3 düzey): LIML kestirimi |
0,44755102 | 0,44755102 | 0,44755102 | 2,9e−13 | ✓ |
metin araç (bolge, 3 düzey): LIML SH |
0,0649991 | 0,0649991 | 0,0649991 | 9,4e−14 | ✓ |
metin araç (bolge, 3 düzey): Fuller kestirimi |
0,43879363 | 0,43879363 | 0,43879363 | 2,8e−13 | ✓ |
metin araç (bolge, 3 düzey): Fuller SH |
0,0630365 | 0,0630365 | 0,0630365 | 8,1e−14 | ✓ |
metin araç (bolge, 3 düzey): LIML k |
1,00007073 | 1,00007073 | 1,00007073 | 8,2e−15 | ✓ |
metin araç (bolge, 3 düzey): Fuller k |
0,99973784 | 0,99973784 | 0,99973784 | 3,6e−15 | ✓ |
metin araç (bolge, 3 düzey): AR F |
96,18358855 | 96,18358855 | 96,18358855 | 6,1e−15 | ✓ |
metin araç (bolge, 3 düzey): AR p |
3,243288·10−41 | 3,243288·10−41 | 3,243288·10−41 | 2,7e−53 | ✓ |
metin araç (bolge, 3 düzey): AR GA alt (zarf) |
0,32881482 | 0,32881482 | 0,32881482 | 2,2e−15 | ✓ |
metin araç (bolge, 3 düzey): AR GA üst (zarf) |
0,68694297 | 0,68694297 | 0,68694297 | 1,3e−14 | ✓ |
metin araç (bolge, 3 düzey): Sargan |
0,21287743 | 0,21287743 | 0,21287743 | 3,1e−16 | ✓ |
metin araç (bolge, 3 düzey): Sargan p |
0,64452139 | 0,64452139 | 0,64452139 | 3,3e−16 | ✓ |
| sonuç \times100: ilk aşama F | 16,71759144 | 16,71759144 | 16,71759144 | 2,1e−12 | ✓ |
| sonuç \times100: TSLS kestirimi | 13,228884 | 13,228884 | 13,228884 | 1,3e−11 | ✓ |
| sonuç \times100: TSLS SH | 4,92332361 | 4,92332361 | 4,92332361 | 3,3e−12 | ✓ |
| sonuç \times100: LIML kestirimi | 13,228884 | 13,228884 | 13,228884 | 1,3e−11 | ✓ |
| sonuç \times100: LIML SH | 4,92332361 | 4,92332361 | 4,92332361 | 3,3e−12 | ✓ |
| sonuç \times100: Fuller kestirimi | 12,89811507 | 12,89811507 | 12,89811507 | 2,6e−11 | ✓ |
| sonuç \times100: Fuller SH | 4,76008685 | 4,76008685 | 4,76008685 | 5,4e−12 | ✓ |
| sonuç \times100: LIML k | 1 | 1 | 1 | 1,4e−15 | ✓ |
| sonuç \times100: Fuller k | 0,999667 | 0,999667 | 0,999667 | 1,2e−15 | ✓ |
| sonuç \times100: AR F | 6,88110831 | 6,88110831 | 6,88110831 | 4,0e−14 | ✓ |
| sonuç \times100: AR p | 0,00875521 | 0,00875521 | 0,00875521 | 5,5e−15 | ✓ |
| sonuç \times100: AR GA alt (zarf) | 3,83986008 | 3,83986008 | 3,83986008 | 3,7e−13 | ✓ |
| sonuç \times100: AR GA üst (zarf) | 26,11836536 | 26,11836536 | 26,11836536 | 2,8e−14 | ✓ |
| sonuç \times100: CLR p | 0,00875521 | 0,00875521 | 0,00875521 | 6,2e−15 | ✓ |
| araç ters kodlu: ilk aşama F | 16,71759144 | 16,71759144 | 16,71759144 | 8,1e−13 | ✓ |
| araç ters kodlu: TSLS kestirimi | 0,13228884 | 0,13228884 | 0,13228884 | 8,5e−14 | ✓ |
| araç ters kodlu: TSLS SH | 0,04923324 | 0,04923324 | 0,04923324 | 9,5e−15 | ✓ |
| araç ters kodlu: LIML kestirimi | 0,13228884 | 0,13228884 | 0,13228884 | 3,3e−12 | ✓ |
| araç ters kodlu: LIML SH | 0,04923324 | 0,04923324 | 0,04923324 | 2,2e−13 | ✓ |
| araç ters kodlu: Fuller kestirimi | 0,12898115 | 0,12898115 | 0,12898115 | 6,7e−13 | ✓ |
| araç ters kodlu: Fuller SH | 0,04760087 | 0,04760087 | 0,04760087 | 2,4e−14 | ✓ |
| araç ters kodlu: LIML k | 1 | 1 | 1 | 1,1e−15 | ✓ |
| araç ters kodlu: Fuller k | 0,999667 | 0,999667 | 0,999667 | 3,6e−15 | ✓ |
| araç ters kodlu: AR F | 6,88110831 | 6,88110831 | 6,88110831 | 6,8e−14 | ✓ |
| araç ters kodlu: AR p | 0,00875521 | 0,00875521 | 0,00875521 | 1,8e−15 | ✓ |
| araç ters kodlu: AR GA alt (zarf) | 0,0383986 | 0,0383986 | 0,0383986 | 4,6e−15 | ✓ |
| araç ters kodlu: AR GA üst (zarf) | 0,26118365 | 0,26118365 | 0,26118365 | 7,2e−16 | ✓ |
| araç ters kodlu: CLR p | 0,00875521 | 0,00875521 | 0,00875521 | 2,9e−15 | ✓ |
Ölçütü karşılayan: 197/197. Ölçüt satır başına 10^{-6} (değer 1'den büyükse göreli). Bağımsız Python: numpy/scipy; LIML'in k'si özdeğer çözümü yerine \kappa(\beta)=\mathrm{RSS}_X(y-\beta d)/\mathrm{RSS}_{X,Z}(y-\beta d)'nin en küçüklemesiyle, AR güven kümesi p(\beta_0)=\alpha eşitliğinin köklerinden, CLR p değeri Moreira'nın koşullu dağılımının sayısal integralinden (Q_1\sim\chi^2_1, Q_2\sim\chi^2_{L-1}) bulunmuştur. R: taban R, TSLS için ayrıca AER::ivreg ile sandwich; ivmodel çağrılmaz. Çok araçlı CLR güven kümesi sınırlarında ölçüt 5\times10^{-4}. Çok araçta Python şablonu CLR satırını NaN yazar; CLR satırları yalnız tek araçta karşılaştırılmıştır. Sonsuz sınırlı kümelerde yalnız sonlu sınırlar karşılaştırılmıştır.
141.6.2 R şablonuyla karşılaştırma (ikiz)
Aşağıdaki tablo iki şablonu aynı veri ve ayarla çalıştırır (dogrulama/zayif_arac_saglam/karsilastir.py). Farklar göreli, |a-b|/|a|; "durur" şablonun hata iletisiyle bittiği anlamına gelir.
| Çalıştırma | R şablonu | Python şablonu | TSLS farkı (göreli) | TSLS SH farkı | Fuller SH farkı | AR GA farkı | Not |
|---|---|---|---|---|---|---|---|
örnek ayar (nearc4) |
tamam | tamam | 5,4e−12 | 1,9e−12 | 6,4e−12 | 4,8e−14 | |
iki araç (nearc4, nearc2) |
tamam | tamam | 1,6e−11 | 4,6e−12 | 2,7e−12 | 2,9e−13 | CLR yalnız R'de |
| Fuller b=4 | tamam | tamam | 5,4e−12 | 1,9e−12 | 6,3e−13 | 4,8e−14 | |
| \beta_0=0{,}1 | tamam | tamam | 5,4e−12 | 1,9e−12 | 6,4e−12 | 4,8e−14 | |
| \alpha=0{,}10 | tamam | tamam | 5,4e−12 | 1,9e−12 | 6,4e−12 | 2,2e−13 | |
| zayıf araç (F\approx4{,}6) | tamam | tamam | 6,3e−12 | 1,3e−12 | 1,3e−11 | 3,3e−13 | |
| sınırda araç (F\approx11) | tamam | tamam | 2,0e−11 | 7,1e−12 | 6,0e−12 | 1,0e−13 | |
| gürültü aracı (F\approx0{,}8) | tamam | tamam | 4,8e−10 | 2,4e−11 | 3,7e−12 | — | |
| dışsal ortak değişken yok | durur | tamam | — | — | — | — | R şablonu durur, öteki çalışır |
| iki zayıf araç | tamam | tamam | 3,5e−12 | 2,2e−12 | 1,7e−11 | — | CLR yalnız R'de |
metin araç (bolge, 3 düzey) |
tamam | tamam | 1,6e−12 | 2,0e−12 | 1,4e−12 | 1,2e−13 | CLR yalnız R'de |
| sonuç \times100 | tamam | tamam | 9,6e−12 | 2,7e−12 | 2,0e−12 | 5,2e−14 | |
| araç ters kodlu | tamam | tamam | 2,1e−13 | 8,2e−13 | 8,2e−13 | 5,0e−14 | |
| 5 eksik değerli satır | tamam | tamam | 1,7e−11 | 4,1e−12 | 1,6e−12 | 1,2e−12 | |
| sonuç ondalık virgüllü metin | durur | durur | — | — | — | — | iki şablon da aynı iletiyle durur |
| sabit ortak değişken | durur | durur | — | — | — | — | iki şablon da aynı iletiyle durur |
| eş doğrusal ortak değişken | durur | durur | — | — | — | — | iki şablon da aynı iletiyle durur |
| 12 satır | tamam | tamam | 1,3e−10 | 2,0e−10 | 3,0e−15 | — | |
| 9 satır | durur | durur | — | — | — | — | iki şablon da aynı iletiyle durur |
| sonuç = içsel değişken | durur | durur | — | — | — | — | iki şablon da aynı iletiyle durur |
| araç listesinde sonuç | tamam | tamam | 5,4e−12 | 1,9e−12 | 6,4e−12 | 4,8e−14 | |
| ortak değişken listesinde araç | tamam | tamam | 1,8e−12 | 1,3e−12 | 1,7e−13 | 2,3e−13 | |
metin ortak değişken (south_metin) |
tamam | tamam | 2,2e−12 | 1,1e−12 | 5,8e−14 | 1,6e−14 | |
| araç = içsel değişken | durur | durur | — | — | — | — | iki şablon da aynı iletiyle durur |
exper 'kategorik' türde |
tamam | tamam | 7,4e−12 | 5,4e−13 | 5,7e−12 | 2,1e−12 | |
educ, nearc4 'kategorik' türde |
tamam | tamam | 5,4e−12 | 1,9e−12 | 6,4e−12 | 4,8e−14 | |
metin ortak değişken (bolge) |
tamam | tamam | 2,6e−12 | 1,6e−12 | 3,2e−12 | 4,5e−14 | |
| geçersiz ikinci araç (AR kümesi boş) | tamam | tamam | 1,3e−13 | 1,4e−13 | 1,7e−13 | — | CLR yalnız R'de |
141.7 Çıktıyı okuma
Örnek ayarda şablonun üç tablosu ve konsol notu (zp_ornek; sayılar olduğu gibi):
İlk aşama regresyonu (araçların kısmi F'si)
olcut deger
n 3010
araç sayısı L 1
dışsal ortak değişken sayısı p 5
ilk aşama F 16.717591
sd1 1
sd2 3003
p 4.45e-05
ilk aşama kısmi R² (X arındırılmış) 0.005536
k-sınıfı kestiriciler: educ'nin lwage üzerindeki etkisi (Wald %95 GA)
kestirici k kestirim SH t p GA_alt GA_ust
EKK (OLS) 0.000000 0.074009 0.003505 21.11264 2.279883e-92 0.067136 0.080882
TSLS 1.000000 0.132289 0.049233 2.68698 7.249813e-03 0.035755 0.228823
LIML 1.000000 0.132289 0.049233 2.68698 7.249813e-03 0.035755 0.228823
Fuller 0.999667 0.128981 0.047601 2.70964 6.773916e-03 0.035648 0.222315
Zayıf araca sağlam testler (klasik hata varsayımı; H0: β = 0) ve %95 güven kümeleri
test istatistik sd1 sd2 p GA_alt GA_ust parca_sayisi
Anderson-Rubin (F) 6.881108 1 3003 0.008755 0.038399 0.261184 1
Koşullu olabilirlik oranı (CLR) 6.881108 NaN NaN 0.008755 0.038399 0.261184 1
AR güven kümesi: [0,0383986; 0,2611837]. Tek araçta CLR = AR.
Şekil 141.1. Şablonun şekli: AR F istatistiğinin \beta'ya göre profili (`matplotlib`; mor çizgi: F(\beta), kesikli yatay çizgi: kritik değer F_{1-\alpha;L,n-L-p}, gri dikey çizgi: TSLS kestirimi). R eşinden farkı: eksen sayıları ondalık noktalıdır.

| Öğe | Ne yazar | Nasıl yorumlanır |
|---|---|---|
| İlk aşama tablosu | n, L, p (kesişimsiz), F_1, sd'ler, p, kısmi R^2. | F_1=16{,}7>10; kısmi R^2 yarım yüzde: araç ilgili, ama güçlü değil. |
| Uyarı satırı | F_1<10 ise yazılır. | Wald (TSLS) aralığı yerine AR kümesine bakın; örnek ayarda çıkmaz. |
| k-sınıfı tablosu | k, kestirim, SH, t, p, Wald GA. | EKK 0{,}074; TSLS 0{,}132. L=1 olduğunda LIML ve TSLS aynıdır. |
| AR satırı | F, sd1, sd2, p, küme sınırları, parça sayısı. | p=0{,}0088: \beta=0 reddedilir. |
| CLR satırı | L=1: AR'ın kopyası; L>1: NaN. |
Çok araçta CLR için R şablonunu kullanın. |
| Sargan | S, sd, p (L>1). | Küçük p: araçlar çelişiyor. |
Eğitimin ücret üzerindeki getirisi, dört yıllık kolej yakınlığı araç değişkeni olarak kullanılarak ve deneyim, deneyim karesi, ırk, Güney ve şehir bölgesi kontrol edilerek kestirilmiştir (iki aşamalı en küçük kareler: 0{,}132, SH 0{,}049; n=3010). İlk aşama F=16{,}72'dir. Anderson-Rubin %95 güven kümesi [0{,}038;\ 0{,}261]'dir (F_{1{,}3003}=6{,}88; p=0{,}0088).
141.8 Sık hatalar ve tuzaklar
- Çok araçta CLR yok. İki araçla (F_1=9{,}45) CLR satırı
NaN'dır; R şablonu CLR kümesini [0{,}0789;\ 0{,}3368] olarak verir (AR kümesi [0{,}0863;\ 0{,}3166]). Çok araçlı modelde yalnız AR kullanmak güç kaybettirir; Bölüm 140'ı kullanın. - Dayanıklı SH seçeneği yok. Heteroskedastik ya da kümeli veride k-sınıfı SH'si klasik hesaplanır ve sessizce iyimser olabilir; R eşinde
heterovekumeseçilebilir (Bölüm 140.8). AR kümesi ve Sargan her iki şablonda da klasiktir. - Zayıf araç ve Wald aralığı. F_1=4{,}6'da TSLS Wald aralığı [-0{,}006;\ 0{,}425] sıfırı içerir, AR kümesi [0{,}029;\ 1{,}80] dışlar. AR kümesini raporlayın. Küme sınırsız ya da iki parçalı çıkabilir; bu bir hata değil, aracın bilgisizliğidir.
- Küme metninde işaret biçimi. Sınırsız uçlar "∞" ve "-∞" olarak, sonlu negatif sayılar aynı tire ile yazılır: "[-∞; -2,101343] ∪ [-0,04388673; ∞]" (
zp_iki_zayif; bulgular B3). R eşi aynı biçimi kullanır. - Zarf sütunu. Küme iki parçalıysa tablodaki
GA_alt/GA_ustzarftır (-\infty ve \infty); parçalar yalnız konsol metnindedir. - Boş küme. Aşırı tanımlı modelde araçlardan biri geçersizse AR kümesi boş olabilir: şablon "AR güven kümesi: boş küme",
parca_sayisi = 0veNaNsınırlar yazar ve araçların çeliştiğini söyleyen bir uyarı ekler (zp_gecersiz; R eşi de aynı biçimde yazar, Bölüm 140 bulgular B8). - Araç ve ortak değişken listesi düzeltilir ve yazılır. Aracı
x'e de işaretlerseniz araçx'ten çıkarılır; sonucuz'ye koyarsanız çıkarılır (zp_x_z_ortak,zp_z_y_icinde). Şablon çıkarılan sütunları "Araçlardan çıkarılan: …; ortak değişkenlerden çıkarılan: …" notuyla yazar (bulgular B2). - Metin araç ve ortak değişkenler. Gösterge sütunlarının sayısı L'yi belirler: 3 düzeyli
bolgeL=2 sayılır (kesişimli tam gösterge). Araç ve ortak değişken olarak aynı metin sütunu doğrusal bağımlı hata verir. - Eksik değer. Sessizce atılır (n=3005); çıktıdaki n'yi veri sayınızla karşılaştırın. Ondalık virgüllü metin sonuç sütunu "sayısal bir sütun değil" iletisiyle başlamaz (iki şablonda aynı).
- Küçük örneklem. n=12 (2 ortak değişken): F_1=0{,}0006, TSLS 5{,}25 (SH 213), Fuller 0{,}1217 (k=0{,}875); n=9 durur (en az 10 satır).
- Ölçek ve kodlama. Sonuç 100 ile çarpılırsa kestirimler ve SH'ler 100 kat olur, AR F ve p değişmez; 1-Z ters kodlu araç aynı sonucu verir.
141.9 Uzman soruları
S1. Python ve R şablonları neden aynı sayıları veriyor?
İkisi de aynı k-sınıfı formülünü, AR'ın aynı F testini ve aynı kısmi çıkarmayı uygular; farklar yalnız kayan nokta işlemlerinin sırasındandır (10^{-9} göreli). Ayrılık noktaları: CLR (yalnız R), dayanıklı SH (yalnız R); ortak değişkensiz model ve p değerinin hesabı iki şablonda aynıdır.
S2. Tek araçta CLR neden AR'a eşit?
Tek araçta Q_S tek boyutludur ve koşullu dağılım \chi^2_1 üzerinden AR'ın F dağılımına indirgenir; CLR testi AR testiyle çakışır (Moreira, 2003). Şablon bu nedenle CLR satırında AR'ın istatistiğini, p değerini ve kümesini tekrarlar. Çok araçta CLR ayrı bilgi taşır ve yalnız R şablonunda hesaplanır.
S3. Güven kümesi sınırsız çıkarsa ne yapmalı?
Araç \beta hakkında bilgisizdir: aracı güçlendirecek bir tanım ya da daha fazla veri gerekir. Gürültü aracında (F_1=0{,}84) AR kümesi [-\infty;\ \infty]'dir. Wald aralığı sonlu ([-0{,}355;\ 0{,}471]) göründüğünden yanıltıcıdır; raporlanacak olan AR kümesi ve "etki belirlenemedi" ifadesidir.
S4. LIML neden aşırı tanımlı modelde TSLS'ten farklı?
L=1'de k_{\rm LIML}=1 ve LIML = TSLS'tir. L>1'de LIML, AR istatistiğini en küçükleyen \beta'dır ve \hat D=P_ZD'ye bağlı değildir: k_{\rm LIML}=1{,}0008583 (L=2, TSLS 0{,}1608, LIML 0{,}1746). Fuller, LIML'i b/(n-L-p) kadar kaydırarak momentleri sonlu yapar (0{,}1688; Fuller, 1977).
S5. t dağılımının serbestlik derecesi iki şablonda neden farklı yazılıyor?
Python n-L-p (p kesişim dahil), R n-\mathrm{ncol}(W)=n-p-1 kullanır; L=1'de aynıdır. L=2'de 3002 ve 3003: t_{0{,}975}'te 10^{-7} göreli fark; kitaptaki sayılar 10^{-6} ölçütü içinde aynıdır. Küçük örneklemde (n=12, L=1) fark yoktur; çok araç ve küçük n'de anlamlı olabilir.
S6. Sınır durumu: AR kümesi boşsa yorum ne olur?
Aşırı tanımlı modelde araçlar \beta hakkında birbirine zıt bilgi veriyorsa hiçbir \beta aşırı tanımlama kısıtını sağlamaz: küme boştur (zp_gecersiz: AR F=43373). Bu bir araçların uyumsuzluğunun işaretidir; Sargan testi aynı sonucu verir. Aracı çıkarın ya da modeli yeniden düşünün.
S7. Başka bir uygulamayla ne zaman ayrışır?
TSLS kestirimi ve klasik SH, AER::ivreg ile aynıdır (bu kitapta doğrulandı); Python'daki başka IV paketleriyle karşılaştırma yapılmamıştır. Paketler arasında en çok Fuller sabiti (k=k_{\rm LIML}-b/(n-L-p) ya da b/(n-L)) ve serbestlik derecesi düzeltmesi ayrışır; şablon birinci tanımı kullanır (Bölüm 140.4.2).
141.10 Kaynaklar
- Anderson, T. W., & Rubin, H. (1949). Estimation of the parameters of a single equation in a complete system of stochastic equations. The Annals of Mathematical Statistics, 20(1), 46–63. https://doi.org/10.1214/aoms/1177730090
- Andrews, I., Stock, J. H., & Sun, L. (2019). Weak instruments in instrumental variables regression: Theory and practice. Annual Review of Economics, 11, 727–753. https://doi.org/10.1146/annurev-economics-080218-025643
- Bound, J., Jaeger, D. A., & Baker, R. M. (1995). Problems with instrumental variables estimation when the correlation between the instruments and the endogenous explanatory variable is weak. Journal of the American Statistical Association, 90(430), 443–450. https://doi.org/10.1080/01621459.1995.10476536
- Card, D. (1995). Using geographic variation in college proximity to estimate the return to schooling. In L. N. Christofides, E. K. Grant, & R. Swidinsky (Eds.), Aspects of labour market behaviour: Essays in honour of John Vanderkamp (pp. 201–222). University of Toronto Press.
- Fuller, W. A. (1977). Some properties of a modification of the limited information estimator. Econometrica, 45(4), 939–953. https://doi.org/10.2307/1912683
- Moreira, M. J. (2003). A conditional likelihood ratio test for structural models. Econometrica, 71(4), 1027–1048. https://doi.org/10.1111/1468-0262.00438
- Staiger, D., & Stock, J. H. (1997). Instrumental variables regression with weak instruments. Econometrica, 65(3), 557–586. https://doi.org/10.2307/2171753
- Yazılım kaydı (şablonun
ozet.jsonçıktısı): Python 3.13.1; numpy 2.4.6 (Harris ve ark., 2020, https://doi.org/10.1038/s41586-020-2649-2), pandas 2.3.3, scipy 1.16.3 (Virtanen ve ark., 2020, https://doi.org/10.1038/s41592-019-0686-2), matplotlib 3.10.9.