期刊瀏覽

共有 2 篇符合條件的文章
黃紀,國立政治大學講座教授、政治學系教授暨選舉研究中心合聘研究員。
Endogenous Regressors in Nonlinear Probability Models: A Generalized Structural Equation Modeling Approach (in English) (非線性機率模型中的內因自變數問題:廣義結構式模型及其應用) 文章下載
* 本篇電子檔下載次數:19
顯示摘要
詳細內容
Endogeneity of explanatory variables is a common problem in many areas of social sciences. Ironically, there seems to be a gap between being aware of the problem and knowing how best to handle it. The problem is exacerbated when the outcome variable of interest is categorical and thus non-linear probability models are involved. The study fills the gap by first distinguishing two main sources of endogeneity, including unmeasured confounders (“latent factors”) and measured but omitted causes (“endogenous mediators”), and then proposing an integrated approach to confront the two problems simultaneously. This strategy generalizes structural equation models to categorical outcome by including a shared latent factor between correlated error terms to tackle unobserved confounders, on the one hand, and extending mediation analysis to deal with potentially endogenous discrete mediators, on the other hand. For illustrative purpose, this proposed modeling strategy is presented with an example of heated debates in economic voting literature concerning the possible endogeneity of voters’ economic perceptions.

社會科學研究中,解釋變數常發生棘手的內因 (endogeneity)問題。線性模型之內因自變數處理方式,如工具變數及其延伸,討論頗多。但若依變數為類別變數,其非線性的機率模型面對內因自變數,問題遠比線性模型複雜得多,絕不宜盲目以線性模型的處理方式比照適用。本文的目的,在釐清內因問題的起源,並區分實證研究較常遇到的兩大內因來源:未觀測到的潛在因素及內因中介變數,回顧線性模型文獻中對兩者的因應方式,並分析這些方法在非線性機率模型中面臨的困難與挑戰。接著本文提出廣義結構式模型的解決方案,既可同時因應兩種內因問題,亦能兼顧非線性模型的統計特性。為了說明廣義結構式模型的應用,本文舉經濟投票文獻中對「整體經濟回顧與前瞻型評價」的內因性辯論為例,建立能兼容相競學理的廣義結構式模型,並以實證資料 TEDS2012進行檢驗,發現回顧型評價對投票抉擇有顯著的影響。
黃紀,國立政治大學講座教授、政治學系教授暨選舉研究中心合聘研究員。
因果推論與效應評估:區段識別法及其於「選制效應」之應用 文章下載
* 本篇電子檔下載次數:5
顯示摘要
詳細內容
社會科學中涉及效應評估的問題,都無法迴避因果推論。以觀察研究進行因果推論之所以棘手,癥結在於比較研究的組別,往往取決於因和果之間的內部因素,也就是所謂「內因性」(endogeneity),造成平均因果效應的識別問題。一般分析因果效應的參數模型(parametric models),雖有考慮內因問題,但多建立在很特定的函數形式及變數分佈等假定之上。如果研究的主題及資料的確符合這些假定,自可充分運用;但社會科學研究也常常會碰到與假定不符的情況,此時Manski的無母數局部識別法(nonparametric partial identification)最為適合,因為這個方法從無假定出發,逐步帶入不同強度的假定,檢視其對於參數區段的影響,將假定與推論之間的關係完全透明化,避免為了達到「定點識別」而強加或暗藏與實際不符的假定,導致過當的推論。

本文從「反事實因果模型」(counterfactual model of causality)的角度,以最基礎的邏輯與機率論,探討Manski的區段識別法,及各種學理假定與「平均因果效應」之上下限的關係,並以2008年立委選舉台聯提名區域立委對其政黨票得票率之影響為例,將區段識別法應用於分析混合選制中所謂之「污染效應」(contamination effect)。