受限数据模型.ppt

受限被解释变量数据模型——选择性样本 Model with Limited Dependent Variable ——Selective Samples Model 一、经济生活中的受限被解释变量问题 二、“截断”问题的计量经济学模型 三、“归并”问题的计量经济学模型 一、经济生活中的受限被解释变量问题 1、“截断”（truncation）问题 由于条件限制，样本不能随机抽取，即不能从全部个体，而只能从一部分个体中随机抽取被解释变量的样本观测值，而这部分个体的观测值都大于或者小于某个确定值。 “掐头”或者“去尾”。 消费函数例题：被解释变量最底200元、最高10000元。原因：抽样。 离散选择模型的例题：银行贷款，实际上是选择性样本，通常表现为“截断样本”。原因：问题的局限。 2、“归并” (censoring)问题 将被解释变量的处于某一范围的样本观测值都用一个相同的值代替。 经常出现在“检查”、“调查”活动中，因此也称为“检查”(censoring) 问题。 需求函数模型中用实际消费量作为需求量的观测值，如果存在供给限制，就出现“归并”问题。 被解释变量观测值存在最高和最低的限制。例如考试成绩，最高100，最低0，出现“归并”问题。 二、“截断”问题的计量经济学模型 1、思路 如果一个单方程计量经济学模型，只能从“掐头”或者“去尾”的连续区间随机抽取被解释变量的样本观测值，那么很显然，抽取每一个样本观测值的概率以及抽取一组样本观测值的联合概率，与被解释变量的样本观测值不受限制的情况是不同的。 如果能够知道在这种情况下抽取一组样本观测值的联合概率函数，那么就可以通过该函数极大化求得模型的参数估计量。 2、截断分布 3、截断被解释变量数据模型的最大似然估计 求解该1阶极值条件，即可以得到模型的参数估计量。 由于这是一个复杂的非线性问题，需要采用迭代方法求解，例如牛顿法。 4、例题—城镇居民消费模型--截断样本数据 将这组样本看成是在≥4500的条件下随机抽取得到 将这组样本看成是在≥4000的条件下随机抽取得到 将这组样本看成是在≤11500、≥4500条件下随机抽取得到 将这组样本看成是在≥0条件下随机抽取得到 5、为什么截断被解释变量数据模型不能采用普通最小二乘估计 对于截断被解释变量数据计量经济学模型，如果仍然把它看作为经典的线性模型，采用OLS估计，会产生什么样的结果？ 因为yi只能在大于a的范围内取得观测值，那么yi的条件均值为： 由于被解释变量数据的截断问题，使得原模型变换为包含一个非线性项模型。 如果采用OLS直接估计原模型： 实际上忽略了一个非线性项； 忽略了随机误差项实际上的异方差性。 这就造成参数估计量的偏误，而且如果不了解解释变量的分布，要估计该偏误的严重性也是很困难的。 6、Heckman两步修正法 Sample Selection Bias as a Specification Error, Econometrica 47(1), 1979, P153-161 如何估计该模型？ 第一步，用probit模型估计⑵，利用全部样本；利用估计结果，计算λi。 第二步，利用选择性样本，将(ρσ1)作为一个待估计参数，估计模型，得到β1的估计。 三、“归并”问题的计量经济学模型 1、思路 以一种简单的情况为例，讨论“归并”问题的计量经济学模型。即假设被解释变量服从正态分布，其样本观测值以0为界，凡小于0的都归并为0，大于0的则取实际值。如果y*以表示原始被解释变量，y以表示归并后的被解释变量，那么则有： 单方程线性“归并”问题的计量经济学模型为： 2、“归并”变量的正态分布 由于原始被解释变量y*服从正态分布，有 3、归并被解释变量数据模型的最大似然估计 该似然函数由两部分组成，一部分对应于没有限制的观测值，是经典回归部分；一部分对应于受到限制的观测值。 这是一个非标准的似然函数，它实际上是离散分布与连续分布的混合。 如何理解后一部分？ 如果样本观测值不是以0为界，而是以某一个数值a为界，则有 4、例题—城镇居民消费模型--归并样本数据 Censored(11000) 估计 Censored(12000) 估计—与OLS相同 5、实际模型中的Truncation与Censored 时间序列样本，不考虑。 截面上的全部个体作为样本，不考虑Truncation。 按照抽样理论选取截面上的部分个体作为样本，不考虑Truncation。 按照特定的规则选取截面上的部分个体作为样本，必须考虑Truncation。 截面数据作样本，根据样本观测值的经济背景，决定是否考虑Censored。 * 能够获得贷款的企业是全部有贷款需求的企业中表现良好的一部分 类似的实际问题很多