R语言中教育年限真实效应边界估算的代码正确性疑问

背景与问题 #

给定多元回归模型：

LnWage = b₀ + b₁yearsed + b₂exper + b₃exper² + b₄married + b₅male + u

其中yearsed（教育年限）存在内生性，来源包括能力遗漏变量、测量误差或双向因果。当前任务是在测量误差假设下，针对双变量模型LnWage = b₀ + b₁yearsed + e估算教育年限真实效应的边界。

现有代码与问题 #

用户编写的R代码及输出如下：

# OLS estimate and standard error for the effect of education
Mod_1 <- coef(modell)["yearsed"] 
Mod_2 <- sqrt(vcov(modell)["yearsed", "yearsed"])

# Calculate the bounds
lower_bound <- Mod_1 - 1.96 * Mod_1
upper_bound <- Mod_1 + 1.96 * Mod_2

# Print the bounds
cat("The bounds for the true effect of years of education are: [", lower_bound, ", ", upper_bound, "]\n")

输出结果：[ -0.07193063 , 0.08573727]

该代码存在核心逻辑错误，完全不符合测量误差下的边界估算规则。

错误分析与修正思路 #

核心错误点 #

1. 下界计算逻辑错误：Mod_1 - 1.96 * Mod_1等价于Mod_1 * (1 - 1.96)，这是将OLS估计量乘以负数，没有任何统计意义，完全忽略了测量误差导致的衰减偏误（attenuation bias）。
2. 未考虑测量误差的偏误特性：经典测量误差（测量误差与真实教育年限、模型误差项无关）会导致OLS估计量向0收缩，即真实效应的绝对值必然大于OLS估计量的绝对值，且符号与OLS估计量一致。

正确的边界估算逻辑 #

在经典测量误差框架下，真实效应b₁_true与OLS估计量b₁_ols的关系为：
$$b_{1,ols} = b_{1,true} \times \frac{\sigma_x^2}{\sigma_x2 + \sigma_w^2}$$
其中$\sigma_x^{2$是真实教育年限的方差，$\sigma_w}2$是测量误差的方差。由于$\frac{\sigma_x^2}{\sigma_x2 + \sigma_w^2} \in (0,1)$，因此$|b_{1,true}| > |b_{1,ols}|$。

分情况构造边界

• 无额外测量误差信息时：
  若$b_{1,ols} > 0$，真实效应的下界为$b_{1,ols}$（因真实值被低估），上界为$+\infty$（若无测量误差方差的限制，真实值可无限大）；
  若$b_{1,ols} < 0$，真实效应的上界为$b_{1,ols}$，下界为$-\infty$。

• 已知测量误差方差时：
  先计算衰减因子$\lambda = \frac{\sigma_x^2}{\sigma_x2 + \sigma_w^2}$，则真实效应的点估计为$b_{1,true} = \frac{b_{1,ols}}{\lambda}$，对应的95%置信区间为：
  $$\left[\frac{b_{1,ols}}{\lambda} - 1.96 \times \frac{se_{ols}}{\lambda}, \frac{b_{1,ols}}{\lambda} + 1.96 \times \frac{se_{ols}}{\lambda}\right]$$

修正后的R代码示例 #

# 提取OLS估计量与标准误
b_ols <- coef(modell)["yearsed"] 
se_ols <- sqrt(vcov(modell)["yearsed", "yearsed"])

# 情况1：无测量误差方差信息，输出基于衰减偏误的边界
cat("OLS估计的教育年限效应：", round(b_ols, 4), "\n")
cat("测量误差下真实效应的边界（95%置信水平）：\n")
if (b_ols > 0) {
  cat("下界：", round(b_ols, 4), "（真实效应≥该值，因OLS估计向0偏误）\n")
  cat("上界：+∞（无测量误差方差限制）\n")
} else {
  cat("上界：", round(b_ols, 4), "（真实效应≤该值，因OLS估计向0偏误）\n")
  cat("下界：-∞（无测量误差方差限制）\n")
}

# 情况2：若已知测量误差方差（示例：假设真实教育年限方差var_x=4，测量误差方差var_w=1）
var_x <- 4
var_w <- 1
lambda <- var_x / (var_x + var_w)
b_true <- b_ols / lambda
se_true <- se_ols / lambda
lower_bound <- b_true - 1.96 * se_true
upper_bound <- b_true + 1.96 * se_true

cat("\n已知测量误差方差时的真实效应95%置信区间：\n")
cat("[", round(lower_bound, 4), ", ", round(upper_bound, 4), "]\n")

关键结论 #

你的原始代码未遵循测量误差的衰减偏误逻辑，导致边界完全错误。正确的边界必须基于“真实效应绝对值大于OLS估计量”这一核心特性构造，具体形式取决于是否有测量误差的方差信息。

内容的提问来源于stack exchange，提问作者Raj Aditya