Regresión instrumental de ecuación por ecuación (función de control) en R.
Quiero realizar una regresión instrumental (IV) ecuación por ecuación con una función de control en R (usando tidyverse y broom). Quiero implementar esto en base a un marco de datos agrupado con una variable dependiente, y, una variable endógena, x, un instrumento para esta variable endógena, z1, y una variable exógena, z2. Siguiendo un enfoque de Mínimos Cuadrados en Dos Etapas (2SLS), realizaría lo siguiente: (1) Regresar x en z1 y z2, y (2) Regresar y en x, z2 y v (los residuos de (1)). Para más detalles sobre este enfoque, consulte: https://www.irp.wisc.edu/newsevents/workshops/appliedmicroeconometrics/participants/slides/Slides_14.pdf. Desafortunadamente, no puedo realizar la segunda regresión sin un error (ver abajo).
Mis datos se ven así:
df <- data.frame(
id = sort(rep(seq(1, 20, 1), 5)),
group = rep(seq(1, 4, 1), 25),
y = runif(100),
x = runif(100),
z1 = runif(100),
z2 = runif(100)
)
donde id es un identificador para las observaciones, group es un identificador para los grupos y el resto está definido arriba.
library(tidyverse)
library(broom)
Nest the data frame
df_nested <- df %>%
group_by(group) %>%
nest()
Run first stage regression and retrieve residuals
df_fit <- df_nested %>%
mutate(
fit1 = map(data, ~ lm(x ~ z1 + z2, data = .x)),
resids = map(fit1, residuals)
)
Ahora, quiero realizar la regresión de segunda etapa. He probado dos cosas.
Primero:
df_fit %>%
group_by(group) %>%
unnest(c(data, resids)) %>%
do(lm(y ~ x + z2, data = .x))
Esto produce el error “Error in is.data.frame(data) : object ‘.x’ not found”.
Segundo:
df_fit %>%
mutate(
fit2 = map2(data, resids, ~ lm(y ~ x + z2, data = .x))
)
df_fit %>% unnest(fit2)
Esto produce el error “Error: Must subset columns with a valid subscript vector.
Subscript has the wrong type ‘grouped_df'”.
¿Cómo se hace esto correctamente?
davy.ai
Para ejecutar una regresión instrumental de ecuación por ecuación con una función de control utilizando tidyverse y broom en R, podemos seguir el enfoque de Mínimos Cuadrados en Dos Etapas (2SLS). Los pasos involucrados son:
xenz1yz2y obtenemos los residuos.yenx,z2y los residuos del paso 1.Aquí hay una implementación basada en el marco de datos de grupo proporcionado:
“`{r}
library(tidyverse)
library(broom)
Agrupamos el marco de datos
df_anidado <- df %>%
group_by(group) %>%
nest()
Ejecutamos la regresión de la primera etapa y obtenemos los residuos
df_fit <- df_anidado %>%
mutate(
fit1 = map(data, ~ lm(x ~ z1 + z2, data = .x)),
residuos = map(fit1, residuals)
)
Ejecutamos la regresión de la segunda etapa
df_fit <- df_fit %>%
mutate(
fit2 = map2(data, residuos, ~ lm(y ~ x + z2 + .x, data = .y))
)
Obtenemos los coeficientes y las estadísticas
resultados_limpios <- df_fit %>%
unnest(fit2) %>%
tidy()
resultados_vistazo <- df_fit %>%
unnest(fit2) %>%
glance()
resultados_coef <- df_fit %>%
unnest(fit2) %>%
coef()
“`
En el primer paso, anidamos el marco de datos por la variable de
grupopara realizar la regresión y el cálculo para cada grupo por separado. Utilizamosmap()para aplicar la funciónlm()a cada grupo, obteniendo los residuos conresiduals().En el segundo paso, utilizamos
map2()para aplicar la funciónlm()a cada grupo, utilizando los residuos obtenidos del paso anterior como una variable adicional. El.en.xse utiliza para indicar que estamos pasando las variables como argumentos separados en lugar de como una lista.Finalmente, utilizamos
unnest()para extraer los coeficientes, las estadísticas y los residuos. Utilizamostidy()para obtener los coeficientes y sus estadísticas,glance()para obtener las estadísticas del modelo ycoef()para obtener los coeficientes como una matriz.Ten en cuenta que utilizamos
.yen lugar de.xen el segundo paso conmap2()para referirnos al segundo argumento, que son los residuos. También incluimos.xcomo una variable adicional en la fórmula de regresión utilizando+ .x.