csa2sls: A complete subset approach for many instruments using Stata
csa2sls：面向多工具变量的 Stata 完全子集平均方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦通用工具变量估计及软件实现，未说明因果效应目标、面板或其他所列专门领域，故不强行归入领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
csa2sls：面向多工具变量的 Stata 完全子集平均方法
- 研究问题
- 在工具变量较多且相互相关时，如何通过完全子集平均两阶段最小二乘减轻估计偏差，并提供便于应用的 Stata 实现？
- 方法与思路
- 作者开发实现已有 CSA2SLS 估计量的 Stata 命令，以蒙特卡洛模拟比较偏差和均方误差，并通过实证应用演示使用。
- 材料陈述的贡献
- 摘要称命令实现了完全子集平均估计，模拟中相关工具变量情形下的偏差和均方误差明显降低，并提供实际使用示例。
- 阅读关注点
- 应核对子集大小和平均方式、命令选项、标准误计算，以及模拟中的工具变量数量、相关程度和有效性设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出命令语法和改进数值，也未说明弱工具变量下的表现。
原文摘要
We develop a Stata command $\texttt{csa2sls}$ that implements the complete subset averaging two-stage least squares (CSA2SLS) estimator in Lee and Shin (2021). The CSA2SLS estimator is an alternative to the two-stage least squares estimator that remedies the bias issue caused by many correlated instruments. We conduct Monte Carlo simulations and confirm that the CSA2SLS estimator reduces both the mean squared error and the estimation bias substantially when instruments are correlated. We illustrate the usage of $\texttt{csa2sls}$ in Stata by an empirical application.