归并自变量模型估计.pdfVIP

南方经济2011年第1期 归并自变量模型估计 余壮雄+ and 摘要：在线性回归模型中，如果自变量存在样本归并，普通的LS估计不再一致，RigobonStoker(2004， 2007)建议使用部分样本回归或完整形式分析的方法来获得参数的一致估计，但是，它们都不是有效估 计。本文使用基于EM算法的ML估计来获得参数的有效估计，在正态混合模型设定下详细推导了观测 样本的似然函数以及相应的EM迭代方程。数值模拟的结果表明，基于EM算法的ML估计比部分样本 回归和完整形式分析的方法具有更好的小样本表现。 关键词：归并自变量EM算法完整形式分析 JEL分类号：C13，C23，Hll中图分类号：0212 文献标识码：A 文章编号：1000—6249(2011)01—0061—01l 一、引言 的情形，这种变量取值的受限(Limited)性质可能发生在因变量上也可能发生在自变量上。一直以来，关 于受限阑变罐(Limited 别是，其最重要的两类基本模型——截断回归(Truncated Regression)与归并回归(CensoredRegression)模 的必要组成部分。 与此相反，有关受限自变量(Limited and Independent)模型的研究却非常少见(ManskiTamer， and 2002)。直至近几年，Rigobon 并自变量①模型的分析。由于回归方程中的某些自变量的样本存在归并，观测样本不再反映真实的信息， 基于观测样本的Ls估计不再是一致估计，具体的，这种估计存在一个膨胀性偏差(ExpansionBias)②；对 and 此，Rigobon 本替代为对应的变照均值)来获得参数的一致估计。 虽然，在给定的分布设定下，归并自变量模型的ML估计在理论上是存在的，但是。推导对数似然 and 函数的过程相当麻烦(Rigobon and Raphson迭代或Gauss·Newton迭代不具有良好的收敛性质。遵循Rigobon Mixed 路，本文将归并自变鼍模型设定为正态混合模型(Normal 校基本科研业务赍专项资金)资助。作者感谢匿名审稿人提出的宝贵意见。当然，文责自负。 ①截断自变量模型的结论比较简单。由于在计量分析模型的设定中，误差项通常设定为基于自变量下的条件分布． 因此，自变量的取值存在截断并不会改变其条件分布。也即是说，时于可观测到的样本，普通的估计方法(例如Ls估计)仍 然具有良好的性质。 and Stoker(2005b)将归并自变量模型扩展到Iv估计的情形．同样发现膨胀性偏盖的存在。 ⑦Rigobon ③由于部分样本回归损失了大量的信息。其有限样本性质要盖于完整形式分析的结果。 一6l一 万方数据 归并自变量模型估计 估计的数值解，模拟的结果表明，这种基于EM算方法的ML估计比完整形式分析具有更好的有限样 本表现。 本文以下的结构安排如下：第二部分揭示了归并自变量模型由某些自变量存在样本归并而带来的估 and 计偏差，介绍了Rigobon 比较详细的推导了正态混合归并自变量模型的ML估计对应的似然函数以及EM迭代方程。第三部分则 通过数值模拟比较了部分样本回归、完整形式分析与ML估计的有限样本性质，考察了不同样本长度、误 差方差以及归并比例下各种估计方法的