11.1) Omitted Variable Bias: Proxy Solution

Описание: 6.1) Book Review: Mostly Harmless Econometrics
   • 6.1) Book Review: Mostly Harmless Economet...  

6.2) Mostly Harmless Econometrics: The Experimental Ideal
   • 6.2) Mostly Harmless Econometrics: The Exp...  

6.3) Book Review: Econometric Analysis of Cross Section and Panel Data
   • 6.3) Book Review: Econometric Analysis of ...  

6.4) Why Economists created Econometrics methods rather than run Experiments?
   • 6.4) Why Economists created Econometrics m...  

6.5) Is Regression a Necessary Tool to Analyze Experimental Data?
   • 6.5) Is Regression a Necessary Tool to Ana...  

6.6) Book Review: A Guide to Econometrics
   • 6.6) Book Review: A Guide to Econometrics  

6.7) Book Review: Econometrics
   • 6.7) Book Review: Econometrics  

6.8) Introductory Books for Econometrics
   • 6.8) Introductory Books for Econometrics  

6.9) Mathematical Exposition of Why Random Assignment Eliminates Selection Bias
   • 6.9) Mathematical Exposition of Why Random...  

6.10) Regression Analysis of Experiments
   • 6.10) Regression Analysis of Experiments  

6.11) Field Centipedes
   • 6.11) Field Centipedes  

6.12) Bias Caused by Bad Controls
   • 6.12) Bias Caused by Bad Controls  

6.13) Structural Econometrics vs Experiment
   • 6.13) Structural Econometrics vs Experiment  

6.14) Are Emily and Greg More Employable Than Lakisha and Jamal?
   • 6.14) Are Emily and Greg More Employable T...  

6.15) Times Series vs Cross Section vs Panel Data
   • 6.15) Times Series vs Cross Section vs Pan...  

7.1) Criteria for Estimators: Unbiasedness
   • 7.1) Criteria for Estimators: Unbiasedness  

7.2) Criteria for Estimators: Efficiency
   • 7.2) Criteria for Estimators: Efficiency  

7.3) Criteria for Estimators: Mean Square Error (MSE)
   • 7.3) Criteria for Estimators: Mean Square ...  

7.4) Asymptotic Properties of Estimators
   • 7.4) Asymptotic Properties of Estimators  

7.5) Intuition: Maximum Likelihood Estimator
   • 7.5) Intuition: Maximum Likelihood Estimator  

7.6) Simple vs Multiple Regression
   • 7.6) Simple vs Multiple Regression  

7.7) T-Test vs F-Test: Joint Hypothesis
   • 7.7) T-Test vs F-Test: Joint Hypothesis  

8.1) Law of Iterated Expectation
   • 8.1) Law of Iterated Expectation  

8.2) Geometric Interpretation of OLS
   • 8.2) Geometric Interpretation of OLS  

8.3) Ordinary Least Squares: Key Assumption
   • 8.3) Ordinary Least Squares: Key Assumption  

8.4) Conditional Independence Assumption (CIA)
   • 8.4) Conditional Independence Assumption (...  

8.5) Unconditional vs Conditional Variance
   • 8.5) Unconditional vs Conditional Variance  

8.6) Homoskedastic vs Heteroskedasticity Errors
   • 8.6) Homoskedastic vs Heteroskedasticity E...  

9.1) Minimize the Residual Sum of Squares (RSS)
   • 9.1) Minimize the Residual Sum of Squares ...  

9.2) OLS Matrix Notation
   • 9.2) OLS Matrix Notation  

9.3) Projection Matrix: Idempotent and Symmetric
   • 9.3) Projection Matrix: Idempotent and Sym...  

9.4) Orthogonal Projection Matrix
   • 9.4) Orthogonal Projection Matrix  

9.5) Derivation of R-Squared
   • 9.5) Derivation of R-Squared  

9.6) Orthogonal Partitioned Regression
   • 9.6) Orthogonal Partitioned Regression  

10.1) Unbiasedness of OLS
   • 10.1) Unbiasedness of OLS  

10.2) Consistency of OLS
   • 10.2) Consistency of OLS  

10.3) OLS: Variance
   • 10.3) OLS: Variance  

10.4) Weighted Least Squares (WLS)
   • 10.4) Weighted Least Squares (WLS)  

10.5) Generalized Least Squares (GLS)
   • 10.5) Generalized Least Squares (GLS)  

11.1) Omitted Variable Bias: Proxy Solution
   • 11.1) Omitted Variable Bias: Proxy Solution  

11.2) Measurement Error in the Dependent Variable
   • 11.2) Measurement Error in the Dependent V...  

11.3) Measurement Error in an Explanatory Variable
   • 11.3) Measurement Error in an Explanatory ...  

11.4) Classical Errors-in-Variables and Attenuation Bias
   • 11.4) Classical Errors-in-Variables and At...  

12.1) Instrumental Variables (IV): Assumptions
   • 12.1) Instrumental Variables (IV): Assumpt...  

12.2) Why Instrumental Variable?
   • 12.2) Why Instrumental Variable?  

12.3) Two-Stage Least Squares (2SLS)
   • 12.3) Two-Stage Least Squares (2SLS)  

12.4) Python: IV and 2SLS
   • 12.4) Python: IV and 2SLS  

13.1) Sharp Regression Discontinuity
   • 13.1) Sharp Regression Discontinuity  

13.2) Regression Discontinuity in Python
   • 13.2) Regression Discontinuity in Python  

13.3) Regression Discontinuity (RD)
   • 13.3) Regression Discontinuity (RD)  

13.4) Fuzzy Regression Discontinuity (FRD)
   • 13.4) Fuzzy Regression Discontinuity (FRD)  

13.5) Fuzzy vs Sharp RD
   • 13.5) Fuzzy vs Sharp RD  

13.6) Python Fuzzy RD
   • 13.6) Python: Fuzzy RD  

14.1) First-Difference Estimator
   • 14.1) First-Difference Estimator  

14.2) Algebra of Difference-in-Differences (DID)
   • 14.2) Algebra of Difference-in-Differences...  

14.3) Python: Diff-in-Diff (DD)
   • 14.3) Python: Diff-in-Diff (DD)  

14.4) Quasi-Experiment Diff-in-Diff (DID)
   • 14.4) Quasi-Experiment Diff-in-Diff (DID)  

15.1) Fixed Effects (FE): Time-Demeaned
   • 15.1) Fixed Effects (FE): Time-Demeaned  

15.2) Random Effects (RE) vs Fixed Effects (FE)
   • 15.2) Random Effects (RE) vs Fixed Effects...  

15.3) Random Effects (RE) is Generalized Least Squares (GLS)
   • 15.3) Random Effects (RE) is Generalized L...  

15.4) Covariance Matrix: Random Effects (RE)
   • 15.4) Covariance Matrix: Random Effects (RE)  

15.5) Random Effects as a Weighted Average of OLS and FE
   • 15.5) Random Effects as Weighted Average o...  

15.6) Python: Fixed and Random Effects
   • 15.6) Python: Fixed and Random Effects