第30章久期分析.pdfVIP

© 陈强, 《高级计量经济学及Stata 应用》课件，第二版，2014 年，高等教育出版社。 第 30 章 久期分析 30 在实证研究中，有时被解释变量为某种活动持续的时间 (duration, spell, time to event) 。 比如：病人存活的时间，灯泡报废的时间，失业持续的时间， 婚姻持续的时间，罢工持续的时间，战争持续的时间，王朝的寿 命，刑满释放犯再次犯罪的时间等。 这类数据称为“久期数据”(duration data)，相应的分析方法称 为“久期分析”(duration analysis) 。 由于久期分析考察个体从某一状态转换到另一状态所花费的时 间，故也称为“转换分析”(transition analysis)或“事件历史分析” (event history analysis) 。 生物统计领域称其为“生存分析”(survival analysis)，运筹学领 域称为“报废时间分析”(failure time analysis)， 人口学领域称为 “生命表分析”(life table analysis)，而保险领域称为“风险分析” (hazard analysis) 。 久期分析的许多术语来自生物统计领域。 2 30.1 久期数据的处理方法 久期数据通常为横截面数据。 假设数据为 T , x n ，其中T 为被解释变量，即个体 i 的持续时  i i  i i 1 间(寿命) ；而x 为解释变量。 i 考虑用 OLS 估计以下模型： T x β  i i i ˆ ˆ 由于持续时间T 0 ，而由上式得到的预测值T x β有可能为负 i i i 数，故这是不现实的模型。 3 较为现实的建模方法将ln T 作为被解释变量(假设T 0) ： i i ln T x β  i i i 此对数线性模型的最大问题是，在我们抽样获得观测数据时， 通常知道个体已经存活了一段时间。 而此方程却总是站在T 0 (即病情刚发作或确诊) 的角度，无法 i 纳入“个体已经存活了一段时间”这一信息。 我们常常更为关心给定个体已存活了一段时间的条件下，个体 在下个时刻死亡的概率，即下文的风险函数。 4 比如，我们关心已经失业三个月的失业者明天找到工作的概率。 另外，如果久期数据存在右归并(参见 14.3 节) ，或者随时间而 变的解释变量xit ，都很难通过 OLS 来处理。 久期分析常使用基于风险函数的一套特殊方法，形成自成体系 的研究领域。 30.2 风险函数