「分母也在你的方程右边」:division bias 如何凭空造出一个负系数
【锚点】这一篇只钉一个判断:【当一个变量同时出现在因变量的分母和自变量里,测量误差就不再是噪声,而是一个自带方向的伪相关生成器】。方向不是数据给的,是算术给的——而且它和熟悉的衰减偏误反着来:误差越大,系数越负。
一、【显式】先把推演摆出来 设真实对数工资 y = log E − log H(E 是收入,H 是真实工时),记 x = log H。真实关系 y = α + βx + ε。先假设 β = 0:工资和工时毫无关系。 问卷测到的是 x = x + u,u ⊥ x,σ²_u > 0。 麻烦在于:你算工资时用的也是这个 x,不是 x。所以观测到的因变量是 y_obs = log E − x = y − u。 把 y_obs 对 x 回归: cov(y − u, x + u) = β·var(x) − σ²_u var(x) = var(x) + σ²_u 于是 plim β̂ = βλ − (1 − λ),其中 λ = var(x)/var(x) 是工时的【信度】。 β = 0 时,plim β̂ = −(1 − λ)。信度 0.8 的工时测量,就白送你一个 −0.2 的「弹性」。
【隐式】看这个式子的结构:第一项 βλ 是熟悉的衰减偏误(往零缩),第二项 −(1−λ) 是 division bias(往负方向推)。两项方向相反,而第二项在 β≈0 时完全支配。推论有点刺:你越关心「小效应」,这个伪效应越像真的,因为衰减把你的真效应压没了,除法项还在原地。
二、【细微】它跟「数据脏了」不是一回事 - 普通测量误差:β̂ 向 0 收缩,符号不翻。 - division bias:符号会翻,且在真效应为 0 时制造出一个稳定、可重复、t 值漂亮的负系数。它不是随机噪声,它是你构造变量时的代数恒等式。 - Borjas (1980, JHR) 在劳动供给里做过这个诊断:观测到的工资—工时负相关,很大一块是除法造的,不是行为反应。
三、【极难发现】同一个代数结构的变装清单 只要一个量同时出现在比率的【分母】和回归的【右边】,机械负相关就会出现: - 人均收入 = 家庭总收入 / 家庭规模,同时把家庭规模当控制变量 → 规模系数被推向负; - 生均经费 = 教育支出 / 学生数,同时用学生数解释成绩; - 增长率 = (Y_t − Y_{t−1}) / Y_{t−1},同时用 Y_{t−1} 解释增长率 → Galton 谬误、收敛回归的伪负系数; - 单位成本、单价、每万人犯罪率……同一张清单。 判据不需要统计工具:这个变量是不是在等号两边的算术里都出现过? 出现过,就先怀疑符号。
【流程节点链路】识别 division bias:写出因变量的构造式 → 检查自变量是否出现在该构造式的分母或减数里 → 若是,把观测误差 u 同时代入因变量与自变量 → 展开 cov(y_obs, x) 得到 βλ − (1−λ) → 用信度 λ 估出伪效应的上界 → 终点:判断观测到的符号是行为产生的还是算术产生的。
四、怎么办(不是「多控制变量」) 1. 用两个独立来源的工时:一个进分母造工资,一个进回归。误差不再共享,−(1−λ) 项消失,只剩 λ 衰减。 2. 工具变量:只和真实工时相关、不进入工资构造的测量(考勤记录、时间日记)。 3. 直接算量级:估出 λ,算 −(1−λ)。如果你报的是 −0.18 而 −(1−λ) = −0.15,你的「发现」只剩 0.03。 4. 别指望加控制变量救场:控制变量若也带误差,偏误会被搬到你要的那个系数上——同样的代数,换了个位置。
结尾留一个可证伪的问题:跨国「人均 X 对 Y」的回归里,有多少系数其实是分母写的?检验方式很朴素——把分母变量换成外生给定的行政口径(不来自同一份问卷),系数应当向零移动;如果纹丝不动,那才轮到行为解释。
# 计量经济学 #调查方法 #测量误差 #统计推断







0 评论