NBER美国国民经济研究局-NBER-Time-Spent-Exercising-and-Obesity_-An-Application-of-Lewbels-Instrumental-Variables-Method_30页_617kb

总结：Time Spent Exercising and Obesity: An Application of Lewbel's Instrumental Variables Method

核心内容

本文利用Lewbel（2012）的工具变量方法，分析了体育活动时间对体重和肥胖概率的影响。研究使用了美国时间使用调查（ATUS）数据，旨在解决将单日时间使用作为解释变量时可能产生的测量误差问题。作者发现，忽略日常活动的变异性会导致体育活动对体重的影响被低估。

主要观点

• 测量误差问题：由于数据仅反映单日活动，而体重变化依赖于长期的活动模式，因此单日数据可能引入测量误差，导致估计偏差。
• 内生性问题：体育活动和体重之间可能存在双向因果关系，即体重可能影响体育活动的参与度，反之亦然。
• 工具变量方法：Lewbel的方法通过利用解释变量的异方差性来构造工具变量，无需依赖传统的排除性限制假设。
• 异方差性假设：假设工具变量与异方差性有关，且与误差项之间的协方差为零，从而保证工具变量的有效性。
• 结果差异：体育活动对女性体重和肥胖概率有显著的负面影响，但对男性则无明显影响，这可能与肌肉质量变化或饮食补偿行为有关。
• 非休闲步行或骑车的影响：非休闲的步行或骑车（如通勤或遛狗）对男性和女性的体重都有显著的负面影响。

关键信息

数据来源

• 数据来自2006-2008年ATUS的饮食与健康（E&H）补充模块。
• 样本包括年龄在20至64岁之间、居住在可识别的MSA（大都市统计区）的受访者。
• 样本共包含11,109名女性和9,337名男性，使用ATUS样本权重进行估计。

变量定义

• 体育活动：定义为休闲活动（MET值≥3）。
• 非休闲步行或骑车：包括通勤、遛狗等非休闲活动。
• 工具变量：来自MSA级别的变量，如天气、健身中心密度、体育教学岗位数量、快餐店和全服务餐厅数量等。

方法论

• 使用Lewbel的工具变量方法，通过异方差性构造工具变量。
• 假设（A1）：工具变量与异方差性有关。
• 假设（A2）：工具变量与误差项之间的协方差为零。
• 通过2SLS和Fuller修改的LIML估计器进行回归分析，以减少弱工具变量的影响。

实证结果

• 女性：体育活动（休闲）每增加30分钟，BMI下降约0.5个点；非休闲步行或骑车每增加30分钟，BMI下降约1个点。
• 男性：体育活动（休闲）对BMI影响不显著；非休闲步行或骑车每增加30分钟，BMI下降约1.5个点。
• 结果解释：男性可能因增加热量摄入而抵消体育活动的减重效果，或体育活动对男性肌肉质量的影响抵消了脂肪减少。

结构清晰总结

1. 研究背景

• 肥胖问题持续增长，但体育活动是否能有效减重仍存在争议。
• 现有研究多采用小样本或非代表性数据，导致结果不一致。
• 本文是首个使用ATUS数据并考虑单日时间使用测量误差的研究。

2. 问题与挑战

• 测量误差：单日数据无法反映长期活动模式，导致估计偏差。
• 内生性：体育活动和体重可能相互影响，需通过工具变量解决。
• 传统工具变量不足：缺乏有效的传统工具变量，因此采用Lewbel方法。

3. 方法论

• Lewbel方法：利用异方差性构造工具变量，无需传统排除性限制。
• 假设（A1）：工具变量与异方差性有关。
• 假设（A2）：工具变量与误差项之间的协方差为零。
• 工具变量构造：使用MSA级别的变量，如天气、健身中心密度等。

4. 实证结果

• 女性：
  • 休闲体育活动每增加30分钟，BMI下降约0.5个点。
  • 非休闲步行或骑车每增加30分钟，BMI下降约1个点。
• 男性：
  • 休闲体育活动对BMI影响不显著。
  • 非休闲步行或骑车每增加30分钟，BMI下降约1.5个点。

5. 结论

• 体育活动对体重的影响可能被低估，因为忽略了日常变异性。
• 非休闲步行或骑车对体重有更显著的负面影响。
• 工具变量方法有助于更准确地估计体育活动对体重的影响，特别是在存在测量误差和内生性的情况下。