受限數(shù)據(jù)模型ppt課件(編輯修改稿)
2025-06-02 18:06 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 )( )( ( ))?? ???????? ? ????????? ? ?? ?X Xi ii2i?????211V a r u i i i i i( ) ( ) ( )? ? ? ? ?? ? ? ? ? ?2 2 21 1? 由于被解釋變量數(shù)據(jù)的截?cái)鄦栴}，使得原模型變換為包含一個(gè)非線性項(xiàng)模型。 ? 如果采用 OLS直接估計(jì)原模型： – 實(shí)際上忽略了一個(gè)非線性項(xiàng)； – 忽略了隨機(jī)誤差項(xiàng)實(shí)際上的異方差性。 – 這就造成參數(shù)估計(jì)量的偏誤，而且如果不了解解釋變量的分布，要估計(jì)該偏誤的嚴(yán)重性也是很困難的。 Heckman兩步修正法 ? Sample Selection Bias as a Specification Error, Econometrica 47(1), 1979, P153161 )1(111 iii xw ?? ??)2(222* iii xe ?? ??市場(chǎng)工資方程 工作傾向方程 正相關(guān)2,121 ,0)(,0)( ???? ?? EE)()0( 2221*1 ???? iiiii xEeE ????)()0,( 222111*1 ???? iiiiiii xExexwE ?????iiiii xexwE ???? 111*1 )0,( ???iiii xw ????? ??? 111其中 ? 為21 , ??的相關(guān)系數(shù)， 1?為i1?的標(biāo)準(zhǔn)差， 2?為i2?的標(biāo)準(zhǔn)差。 )()(222222??????iii xx??如何估計(jì)該模型？ – 第一步，用 probit模型估計(jì)⑵，利用全部樣本；利用估計(jì)結(jié)果，計(jì)算 λi。 – 第二步，利用選擇性樣本，將 (ρσ1)作為一個(gè)待估計(jì)參數(shù)，估計(jì)模型，得到 β1的估計(jì)。 iiii xw ????? ??? 111三、 “ 歸并 ” 問題的計(jì)量經(jīng)濟(jì)學(xué)模型 思路 ? 以一種簡(jiǎn)單的情況為例，討論“歸并”問題的計(jì)量經(jīng)濟(jì)學(xué)模型。即假設(shè)被解釋變量服從正態(tài)分布，其樣本觀測(cè)值以 0為界，凡小于 0的都?xì)w并為 0，大于 0的則取實(shí)際值。如果 y*以表示原始被解釋變量， y以表示歸并后的被解釋變量，那么則有： y yy y y? ?? ?0 00當(dāng)當(dāng)** *y N* ~ ( , )? ? 2? 單方程線性“歸并”問題的計(jì)量經(jīng)濟(jì)學(xué)模型為： y i i? ? ?? X i ? ? ?i N~ ( , )0 2?如果能夠得到 yi的概率密度函數(shù)，那么就可以方便地采用最大似然法估計(jì)模型，這就是研究這類問題的思路。 ?由于該模型是由 Tobin于 1958年最早提出的，所以也稱為 Tobin模型。 “ 歸并 ” 變量的正態(tài)分布 ? 由于原始被解釋變量 y*服從正態(tài)分布，有 P y P y( ) ( )*? ? ? ? ???????? ? ??????0 0 1? ?????P y P y y( ) ( )* *? ?當(dāng) 0歸并被解釋變量數(shù)據(jù)模型的最大似然估計(jì) ? 該似然函數(shù)由兩部分組成，一部分對(duì)應(yīng)于沒有限制的觀測(cè)值，是經(jīng)典回歸部分；一部分對(duì)應(yīng)于受到限制的觀測(cè)值。 ? 這是一個(gè)非標(biāo)準(zhǔn)的似然函數(shù)，它實(shí)際上是離散分布與連續(xù)分布的混合。 ? 如何理解后一部分？ ln l n( ) ln( )lnLy iy yi i? ? ? ?? ????????? ? ? ?????????????? ?? ?12 2 12220 0? ?? ????X Xi i為什么要求和？ ? 如果樣本觀測(cè)值不是以 0為界，而是以某一個(gè)數(shù)值a為界，則有 y a y ay y y a? ?? ?當(dāng)當(dāng)** *y N* ~ ( ,
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1