[论文解读] Integrating Structural and Reduced-Form Methods in Empirical Finance

Toni M. Whited|arXiv (Cornell University)|May 2, 2022

Monetary Policy and Economic Impact被引用 7

一句话总结

本文提出了一种在实证金融中整合结构模型与简化形式计量方法的框架，以增强因果推断和模型有效性。通过将统计模型的参数估计与基于理论的结构模型相结合，该方法提高了外部有效性，解决了样本选择偏差问题，并阐明了观察到的关系背后的作用机制——已在公司金融、银行和私人金融领域得到验证。

ABSTRACT

I discuss various ways in which inference based on the estimation of the parameters of statistical models (reduced-form estimation) can be combined with inference based on the estimation of the parameters of economic models (structural estimation). I discuss five basic categories of integration: directly combining the two methods, using statistical models to simplify structural estimation, using structural estimation to extend the validity of reduced-form results, using reduced-form techniques to assess the external validity of structural estimations, and using structural estimation as a sample selection remedy. I illustrate each of these methods with examples from corporate finance, banking, and personal finance.

研究动机与目标

• 解决实证金融中结构方法与简化形式方法之间长期存在的方法论分歧。
• 展示在缺乏随机试验的情况下，结合这些方法如何增强因果推断和模型有效性。
• 提供适用于公司金融、银行和私人金融的整合方法分类体系。
• 说明结构模型如何扩展简化形式结果，反之亦然，尤其是在数据有限的情况下。
• 说明如何利用结构模型作为样本选择偏差的补救措施，以改善实证研究。

提出的方法

• 直接结合简化形式弹性与结构模型参数，以丰富经济关系的估计。
• 使用统计模型通过降低维度或识别关键参数，简化复杂结构模型的估计。
• 应用结构估计，通过在不同假设下测试反事实情景，评估简化形式结果的外部有效性。
• 使用简化形式技术验证结构模型，通过检验预测关系是否在观测数据中成立。
• 采用结构模型（如双边匹配模型或控制函数方法）校正回归分析中的样本选择偏差。
• 使用马尔可夫链蒙特卡洛（MCMC）方法估计具有未观测异质性和内生选择的模型的联合似然函数。

实验结果

研究问题

• RQ1 如何系统性地结合简化形式与结构方法，以提升实证金融中的因果推断？
• RQ2 观察到的简化形式关系在多大程度上反映了潜在的结构机制，而非选择效应？
• RQ3 当数据有限时，结构模型能否扩展简化形式发现的外部有效性？
• RQ4 结构估计如何纠正公司投资、银行或风险投资研究中的样本选择偏差？
• RQ5 未观测到的摩擦或偏好在塑造金融变量之间观察到的关系中起什么作用？

主要发现

• 简化形式回归显示，由更有经验的风险投资家进行的投资，其成功概率比由缺乏经验的投资者进行的投资高出82%。
• 基于结构双边匹配模型的反事实分析表明，仅约三分之一的82%效应可归因于经验，其余部分则归因于企业与风险投资家之间的匹配排序。
• 使用具有分布假设的匹配模型进行结构估计，可联合估计选择方程与结果方程，从而克服私人企业研究中的数据限制。
• 结构与简化形式方法的整合通过将处理效应与选择偏差分离，使因果解释更具可信度。
• 作为样本选择补救措施，使用结构模型（如Heckman型校正或更复杂的匹配模型）可提高回归结果的有效性。
• 简化形式结果可作为辅助证据，用于验证结构模型预测，特别是在通过可观测关系检验理论机制时。