- 1、本文档被系统程序自动判定探测到侵权嫌疑,本站暂时做下架处理。
- 2、如果您确认为侵权,可联系本站左侧在线QQ客服请求删除。我们会保证在24小时内做出处理,应急电话:400-050-0827。
- 3、此文档由网友上传,因疑似侵权的原因,本站不提供该文档下载,只提供部分内容试读。如果您是出版社/作者,看到后可认领文档,您也可以联系本站进行批量认领。
查看更多
教学用PPT ,《高级计量经济学及Stata 应用》,陈强编著,高等教育出版社,© 2010 年
第14 章 受限被解释变量
14.1 断尾回归 (Truncated Regression )
′
对于线性模型y =x β+ε (i =1, 2, , n )
i i i ,假设只有满足
y i ≥c (c 常数)的数据才能观测到。
1
断尾随机变量的概率分布
记y 原来的概率密度为f (y ) ,则断尾后的条件密度函数为,
⎧ f (y )
⎪
⎪ if y c
⎪
⎪
f (y |y c ) =⎨P(y c )
⎪ (14.1)
⎪
⎪ 0 if y ≤c
⎪
⎩
2
断尾后的密度
标准正态密度
图14.1、断尾的效果
首先,对于最简单的情形,y ~ N (0,1) ,可以证明
3
φ( )
c
=
E(y | y c )
1−Φ( ) (14.2)
c
对于一个任意实数c,定义“反米尔斯比率”(Inverse Mill’s
φ(c)
Ratio ,IMR )为λ(c) ≡1−Φ(c ) ,则E(y | y c ) =λ(c ) 。
4
标准正态密度
图14.2、反米尔斯比率
其次,对于 y ~ N (μσ, 2 ) ,定义z ≡y −μ~ N (0,1) ,则
σ
5
y =μ+σz ,
⎡ ⎤
E(y | y c ) E(μ σz | μ σz c ) E μ σz z (c μ) σ
文档评论(0)