konfound命令的結果解讀

老師，

您好！我在進行OLS基準回歸后，使用STATA的konfound命令進行敏感性分析，以進一步觀測遺漏變量對估計結果的影響。但是，konfound結果不能理解。

以Hamilton (1992)數(shù)據(jù)集中的兩個例子來說明konfound命令的用法。第一個命令來自 Hamilton（1983）關于用水量的調(diào)查。被解釋變量為1981年夏天的家庭用水量water81，解釋變量包括1980年夏天的家庭用水量water80，家庭收入income，受教育年限educ，戶主是否退休retire和1980年家庭成員數(shù)peop80

基準回歸結果：

家庭成員人數(shù)peop80在統(tǒng)計意義上顯著。為了量化關于遺漏變量的因果推斷穩(wěn)健性或量化或判斷因果推斷有效性的偏差百分比，使用konfound命令得到結果如下：

To invalidate the inference 74.96% (372) cases would have to be replaced with cases for which there is an effect of 0.

這句話的意思是什么？

An omitted variable would have to correlated at 0.519 with the predictor of interest (conditioning on observed covariates) to invalidate an inference.?Correspondingly the impact of an omitted variable (as defined in Frank 2000) must be 0.519 x 0.519 = 0.2697 to invalidate an inference.

這句話是什么意思？為什么兩個0.519要相乘？

To invalidate the inference 74.96% (372) cases would have to be replaced with cases for which there is an effect of 0.

測算的是，使用因果模型解釋偏差導致因果推斷失效的程度，即使推斷無效的偏差百分比。所謂偏差百分比為能夠被原假設替代從而使推論無效的可觀測樣本比例。

在這里的意思為，對變量peop80而言，為使得推斷無效，需要被效應為0的樣本替代的樣本比例為74.96%

?

在Frank（2000）將混淆變量影響因果推斷的程度定義為混淆變量與自變量和混淆變量與因變量相關系數(shù)的乘積。在此案例中，被遺漏變量與peop80的相關系數(shù)為0.519，與被解釋變量的相關系數(shù)也為0.519，因此被遺漏變量的總影響為0.519*0.519

往期回顧：

互助問答第340期：關于交互項的使用問題

如果您在計量學習和實證研究中遇到問題，有三條途徑可以到達我們手里：一是請及時發(fā)到郵箱szlw58@126.com；二是加入論文導向計量群（現(xiàn)有10個群）；三是直接在微信公眾號平臺后臺留言。專業(yè)委員會有40多名編輯都會看，您的問題會得到及時關注！請您將問題描述清楚，任何有助于把問題描述清楚的細節(jié)都能使我們更方便地回答您的問題，提問細則參見：實證研究互助平臺最新通知（點擊文末閱讀原文查看詳情）

如果您想成為問題解答者，在幫助他人過程中鞏固自己的知識，請發(fā)郵件至szlw58@126.com（優(yōu)先）或給本公眾號留言或加微信793481976給群主留言，我們誠摯歡迎熱心的學者和學生。具體招募信息請參見：實證研究互助平臺志愿者團隊招募公告

鮮活的事例更有助于提高您的研究水平，呆板的教科書讓人生厭。如果您喜歡，請?zhí)岢瞿膯栴}，也請轉發(fā)推廣！

（歡迎轉發(fā)，歡迎分享；轉載請注明出處，引用和合作請留言。本文作者擁有所有版權，原創(chuàng)文章最早發(fā)表于“學術苑”。任何侵權行為將面臨追責?。?/p>

學術指導：張曉峒老師 Ben Lambert

本期解答人：任婉婉老師

編輯：易仰楠

統(tǒng)籌：左川 易仰楠

技術：劉子瑗

全文完，感謝您的耐心閱讀

請順手點個“在看”吧~

閱讀原文