📈 economics

The Generalized Falsification Adaptive Set for Violations of the Exclusion Restriction and Exogeneity

Dit artikel breidt het Falsification Adaptive Set (FAS)-raamwerk uit door aan te tonen dat de aard van de instrument-invaliditeit (confounder versus collider) de identificatie kritiek beïnvloedt, en stelt een gegeneraliseerde FAS voor die de inclusie van de ware parameter garandeert indien ten minste één instrument geldig blijft.

Oorspronkelijke auteurs: Nicolas Apfel, Frank Windmeijer

Gepubliceerd 2026-07-02

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Nicolas Apfel, Frank Windmeijer

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een detective bent die een mysterie probeert op te lossen: Wat is het werkelijke effect van een specifieke actie (zoals het aanleggen van een snelweg) op een uitkomst (zoals de handel in een stad)?

Om dit op te lossen, kun je niet simpelweg naar de data kijken, omdat andere verborgen factoren het beeld kunnen vertroebelen. Daarom gebruik je "aanwijzingen" die Instrumenten worden genoemd. Dit zijn zaken die de actie beïnvloeden, maar niet direct de uitkomst, behalve via die actie.

Soms zijn je aanwijzingen echter gebrekkig. Ze kunnen "ongeldig" zijn. Dit artikel gaat over wat er gebeurt als je aanwijzingen kapot zijn, en hoe je toch de waarheid kunt vinden zonder erdoor misleid te worden.

Hier is de uitsplitsing van de ideeën uit het artikel met behulp van eenvoudige analogieën:

1. De twee manieren waarop een aanwijzing kapot kan zijn

De auteurs zeggen dat wanneer een aanwijzing (instrument) slecht is, deze op twee zeer verschillende manieren faalt. Zie ze als twee soorten "slechte actoren":

De "Middelaar" (Schending van exclusie): Deze aanwijzing is eigenlijk een directe oorzaak van de uitkomst, niet alleen van de actie.
- Analogie: Stel je voor dat je wilt zien of Regen zorgt voor Verkeer. Je gebruikt Wolken als je aanwijzing. Maar wat als de wolken eigenlijk een zware last dragen die de auto's verplettert? De wolken voorspellen niet alleen regen; ze verpletteren de auto's direct. In dit geval moet je de wolken inclusief nemen in je analyse om de directe schade te controleren.
De "Colludeerder" (Schending van exogeniteit): Deze aanwijzing wordt beïnvloed door de verborgen geheimen (de foutterm) die je juist probeert te vermijden.
- Analogie: Stel je voor dat je wilt zien of Studeren zorgt voor Goede Cijfers. Je gebruikt Vooraan in de klas zitten als je aanwijzing. Maar wat als de docent alleen de slimste studenten (die sowieso wel goede cijfers zouden hebben gehaald) vooraan zet? De aanwijzing "colleerde" met de verborgen slimheid. In dit geval moet je de aanwijzing volledig exclusief maken, anders bedriegt het je.

Het Grote Probleem: De vorige methode (door Masten en Poirier) nam aan dat alle slechte aanwijzingen "Middelaars" waren. De auteurs laten zien dat als je een "Colludeerder" behandelt als een "Middelaar" (of andersom), je uiteindelijke antwoord fout zal zijn, en je per ongeluk het ware antwoord weg zou kunnen gooien.

2. De "Falsificatie Adaptieve Set" (FAS)

Wanneer je model "gefalsifieerd" is (wat betekent dat de aanwijzingen niet perfect bij elkaar passen), kun je niet één enkel getal geven voor het antwoord. In plaats daarvan geef je een bereik van mogelijke antwoorden die waar zouden kunnen zijn als je je regels een heel klein beetje versoepelt.

De auteurs hebben een nieuw hulpmiddel ontwikkeld genaamd de Generalized Falsification Adaptive Set (Generalized FAS).

De Oude Manier: Je moest raden hoe de aanwijzingen kapot waren. Als je gokte op "Middelaar", kreeg je één bereik. Als je gokte op "Colludeerder", kreeg je een ander bereik. Als je het fout had geraden, kon het ware antwoord buiten je bereik vallen.
De Nieuwe Manier (Generalized FAS): De auteurs zeggen: "Laten we niet raden." Laten we in plaats daarvan elk mogelijk bereik bouwen voor elke mogelijke combinatie van kapotte aanwijzingen. Dan nemen we de Unie (de grote paraplu) van al die bereiken.

Het Resultaat: Zolang je ten minste één goede aanwijzing hebt die relevant is, zal deze grote paraplu gegarandeerd het ware antwoord vangen, ongeacht hoe de andere aanwijzingen kapot zijn. Je hoeft niet vooraf te weten welke aanwijzingen "Middelaars" en welke "Colludeerders" zijn.

3. Het voorbeeld "Wegen en Handel"

Om te bewijzen dat dit werkt, keken de auteurs naar een echte studie over Snelwegen en Handel.

Ze gebruikten drie historische aanwijzingen: snelwegplannen uit 1947, spoorweginfrastructuur uit 1898 en oude ontdekkingsroutes.
De data lieten zien dat de aanwijzingen niet perfect pasten (het model was "gefalsifieerd").
Ze berekenden de bereiken voor alle mogelijke manieren waarop deze aanwijzingen kapot konden zijn.
De Bevinding: De "Generalized FAS" was een breed bereik (van -0,61 tot 3,74). Het was breed omdat het alle mogelijkheden besloeg. Echter, het was de enige set die gegarandeerd het ware effect zou bevatten, zelfs als de onderzoekers niet precies wisten welke historische route een "Middelaar" en welke een "Colludeerder" was.

4. De Conclusie

Dwing een vierkante blok niet in een rond gat: Je kunt niet alle slechte aanwijzingen op dezelfde manier behandelen. Sommigen moeten worden gecontroleerd; anderen moeten worden weggegooid.
Het Veiligheidsnet: Als je niet zeker weet welke aanwijzingen kapot zijn en hoe, kies dan niet voor slechts één methode. Gebruik de Generalized FAS. Het is als een veiligheidsnet dat de waarheid vangt, zelfs als je niet precies weet waar de gaten in je logica zitten, mits je ten minste één solide aanwijzing hebt om mee te beginnen.
Pas op voor "Cherry-Picking": Het artikel waarschuwt onderzoekers om niet zomaar het smalste bereik te kiezen dat er goed uitziet. Als je een smal bereik kiest op basis van een gok over hoe de aanwijzingen kapot zijn, kun je de waarheid missen. Het is beter om het bredere, veiligere bereik te rapporteren dat rekening houdt met alle mogelijkheden.

Kortom: Wanneer je instrumenten kapot zijn, probeer dan niet te raden hoe ze kapot zijn. Bouw een net dat elke manier afdekt waarop ze zouden kunnen zijn, zodat je gegarandeerd de waarheid vangt.

Technische Samenvatting: De Gegeneraliseerde Falsificatie Adaptieve Set voor Schendingen van de Exclusie-restrictie en Exogeniteit

Probleemstelling
De schatting met instrumentele variabelen (IV) rust op twee kernveronderstellingen voor identificatie: de exclusie-restrictie (instrumenten beïnvloeden de uitkomst alleen via de behandeling) en exogeniteit (instrumenten zijn niet gecorreleerd met onwaargenomen determinanten van de uitkomst). Wanneer het basismodel wordt gefalsifieerd door overidentificatie-restrictietests, missen onderzoekers vaak een punt-schatting van het behandelingseffect, $\beta$ . Masten en Poirier (2021, hierna MP) stelden de Falsification Adaptive Set (FAS) voor om dit aan te pakken, waarbij zij een geïdentificeerde verzameling definiëren voor $\beta$ onder de minimale versoepeling van aannames die nodig is om de falsificatie te vermijden.

Echter, de benadering van MP gaat ervan uit dat ongeldige instrumenten alleen de exclusie-restrictie schenden. Dit artikel toont aan dat de aard van de schending cruciaal is. Een ongeldig instrument kan fungeren als een confounder (schendt exclusie via een direct effect op de uitkomst, $\gamma \neq 0$ ) of als een collider (schendt exogeniteit via correlatie met de foutterm, $\alpha \neq 0$ ). Deze twee soorten schendingen vereisen tegenovergestelde behandelingen: confounders zouden moeten worden gecontroleerd (opgenomen als regressoren), terwijl colliders uit de analyse moeten worden uitgesloten. Het artikel betoogt dat het toepassen van de op exclusie gebaseerde FAS van MP ( $FAS_{excl}$ ) wanneer instrumenten in werkelijkheid de exogeniteit schenden (of vice versa), kan resulteren in een FAS die de ware parameter $\beta$ uitsluit, zelfs als er een geldig instrument bestaat.

Methodologie en Model
De auteurs beschouwen een lineair model $Y = X\beta + E$ , waarbij $E = Z\gamma + U$ en $cov(Z, U) = \alpha$ .

Exclusie-schending: $\gamma_\ell \neq 0$ (instrument $\ell$ heeft een direct effect op $Y$ ).
Exogeniteit-schending: $\alpha_\ell \neq 0$ (instrument $\ell$ is gecorreleerd met de foutterm).
Geldigheid: Een instrument is geldig als $\gamma_\ell = \alpha_\ell = 0$ .

De auteurs leiden specifieke FAS'en af voor verschillende schendingspatronen:

$FAS_{excl}$ : Afgeleid onder de aanname dat alle ongeldige instrumenten alleen de exclusie-restrictie schenden ( $\alpha = 0$ ). Deze verzameling wordt geconstrueerd door de grenzen van de exclusie-restrictie te versoepelen ( $|\gamma| \leq \delta$ ).
$FAS_{exo}$ : Afgeleid onder de aanname dat alle ongeldige instrumenten alleen de exogeniteit schenden ( $\gamma = 0$ ). Deze verzameling wordt geconstrueerd door de grenzen van de exogeniteit te versoepelen ( $|\alpha| \leq \eta$ ).
Alternatieve Afleiding: Het artikel biedt een alternatieve afleiding van de falsificatie-frontier met behulp van de populatie 2SLS-objectieffunctie, wat verduidelijkt dat deze verzamelingen minimale versoepelingen van momentvoorwaarden vertegenwoordigen die leiden tot niet-falsificatie, ongeacht het specifieke type schending.

Belangrijkste Bijdragen
Het artikel levert drie primaire bijdragen:

Onderscheid van Schendingstypes: De auteurs tonen aan dat een onjuiste classificatie van een ongeldig instrument (het behandelen van een confounder als een collider of vice versa) ertoe leidt dat de resulterende FAS de ware $\beta$ potentieel uitsluit. Zij demonstreren dat $FAS_{excl}$ en $FAS_{exo}$ verschillende verzamelingen zijn, en dat de keuze tussen hen afhangt van de overtuiging van de onderzoeker over het mechanisme van de schending.
Patroon-specifieke FAS'en: De auteurs leiden een patroon-specifieke FAS af voor elke mogelijke combinatie van exclusie- en exogeniteit-schendingen over de instrumenten. Onder Aanname 6 schendt een ongeldig instrument ofwel exclusie ofwel exogeniteit, maar niet beide ( $\gamma_\ell \alpha_\ell = 0$ ). Voor $k_z$ instrumenten zijn er $S = 2^{k_z}$ dergelijke patronen.
De Gegeneraliseerde FAS ( $FAS_G$ ): Om de agnostische houding van de onderzoeker ten aanzien van het specifieke schendingspatroon aan te pakken, stellen de auteurs de Gegeneraliseerde Falsificatie Adaptieve Set voor als de unie van alle patroon-specifieke FAS'en:
$FAS_G = \bigcup_{s=1}^{S} FAS_s$
Zij bewijzen dat als er ten minste één geldig en relevant instrument is, en de onderzoeker de instrumenten correct transformeert volgens het ware schendingspatroon van de ongeldige instrumenten, de ware $\beta$ gegarandeerd binnen $FAS_G$ valt.

Resultaten en Empirische Illustratie
Het artikel illustreert deze resultaten met de "roads and trade" toepassing van Duranton et al. (2014), die drie historische instrumenten gebruikt om het effect van interstatelijke snelwegen op de exportbereidheid te schatten.

Falsificatie: Het basismodel met alle drie de instrumenten wordt gefalsifieerd (J-test p-waarde 0,043).
Divergentie van de Verzamelingen: De empirische analyse toont significante verschillen tussen $FAS_{excl}$ , $FAS_{exo}$ en de gegeneraliseerde verzameling. Bijvoorbeeld, $FAS_{exo}$ levert een smal interval $[0,13, 1,09]$ , terwijl $FAS_{excl}$ $[-0,32, 3,16]$ oplevert.
Gegeneraliseerde Verzameling: De gegeneraliseerde FAS ( $FAS_G$ ) is de unie van alle acht patroon-specifieke verzamelingen, wat resulteert in $[-0,61, 3,74]$ . De auteurs merken op dat hoewel dit interval breed is, het geen artefact is van de unie-operatie, maar een specifiek schendingspatroon reflecteert (waarbij één instrument een confounder is en een ander een collider) dat niet kan worden uitgesloten zonder verdere aannames.
Zwakke Instrumenten: Het artikel bespreekt de impact van de "zwakke instrument" cutoff (F-statistiek < 10) gebruikt door MP. Het verwijderen van instrumenten die op basis van deze cutoff als zwak worden geclassificeerd, kan onbedoeld de modelspecificatie veranderen (bijv. door een instrument uit te sluiten dat als controle zou moeten dienen), wat potentieel ertoe leidt dat de FAS niet langer gemotiveerd wordt door de falsificatie van het basismodel.

Betekenis en Claims
De auteurs beweren niet dat één specifieke FAS superieur is in alle contexten. In plaats daarvan stellen zij dat de keuze van de FAS moet overeenstemmen met het type schending.

Als de onderzoeker agnostisch is over de typen schending, is de Gegeneraliseerde FAS de passende verzameling, aangezien deze de inclusie van de ware $\beta$ garandeert, mits ten minste één instrument geldig en relevant is.
Als domeinkennis het mogelijk maakt om het type schending voor sommige of alle instrumenten vast te stellen, kan de verzameling worden "aangescherpt" naar een specifieke patroon-gebaseerde FAS, die zwak nauwer is dan de gegeneraliseerde verzameling.
Het artikel benadrukt dat het selecteren van een specifieke FAS (bijv. $FAS_{excl}$ ) zonder rechtvaardiging neerkomt op "cherry-picking" en het risico loopt de ware parameter uit te sluiten. De gegeneraliseerde FAS wordt aanbevolen voor rapportage wanneer het basismodel wordt gefalsifieerd en het schendingspatroon onbekend is.

1. De twee manieren waarop een aanwijzing kapot kan zijn

2. De "Falsificatie Adaptieve Set" (FAS)

3. Het voorbeeld "Wegen en Handel"

4. De Conclusie

Meer zoals dit