高级计量经济学删改或截取回归模型.pptVIP

第七章

删改或截取回归模型(Censoredortruncatedmodels)1

本章内容删改数据或截取数据模型估计中的问题受限因变量模型（TOBIT模型）模型估计方法与统计检验案例分析2

截取数据当样本是总体中的某个特殊子集时，我们遇到数据被截取的情况。例1：针对贫困户的调查资料例2：对有借款行为农户的调查此时只观察到该特殊子集的各项资料，没有获得有关其他对象的观察资料。此时出现样本对总体的代表性问题。需要注意的是，总体的确定具有相对性，例如我们将贫困人口作为总体时，例1的情况不再属于截取。3

删改数据若样本在总体中的分布具有代表性，但当数据由于报告制度而使某些信息被高度简化时，我们遇到“删改数据”情况。如果Y*处于某个范围，那么Y=Y*；如果Y*处于其他范围，那么Y=某个固定值。例：农户收入的调查中将低于某一水平的农户全部报告为贫困户而没有报告具体的收入数据。删改数据仍有关于总体的自变量信息，但关于因变量的信息不完整。删改数据情况可以被看作是由于数据报告制度存在缺点，造成信息含量的损失。4

截取数据和删改数据从统计技术角度讲，由于两种情况均导致随机变量的分布形式发生变化，并引起丢失解释变量错误，因而利用OLS方法估计模型会出现估计系数偏差。在很多应用工作中，人们常常利用受限因变量模型处理存在上限、下限或上下限的数据，而不去认真考虑究竟数据体现何种性质。6

截取随机变量的密度分布定理：截取随机变量的密度分布（考虑存在下限约束的情况）如果连续随机变量x的概率密度函数为f(x)，且该变量面临一个限制a，那么截取后x的概率密度函数为：7

隐变量

(LatentVariables)对于截取数据模型或删改数据模型，均可以借鉴二元因变量模型引入的隐变量概念；模型中的隐变量是解释变量的函数（假定存在下限0）y*=β0+β?x+e然而我们只能观察到y＝max(0,y*)即：当y*0时y=y*当y*≤0时y=08

截取数据模型截取对随机变量分布的影响体现在：当截取发生在低端时，分布的均值增大；反之，截取发生在高端时，分布的均值减少。截取降低了分布的方差。10

截取正态分布变量的矩定理：如果x~N(?，?2)，c是一个常数，那么有：截取均值E[x|truncation]=?+??(?)截取方差Var[x|truncation]=?2[1-?(?)]式中：?＝(c-?)/?如果xc,那么?(?)=?(?)/[1-?(?)]如果xc,那么?(?)=-?(?)/?(?)?(?)=?(?)[?(?)-?]，对于所有的?有0?(?)1函数?(?)被称作inverseMillsratio。11

删改数据模型删改数据通常指的是当数据落在某一范围时所有数据均被转变为单一数值或以单一数值形式报告的情况。在应用经济学研究中，很多情况可以被看作是删改数据：家庭耐用品购买就业时间新技术采用率商品消费农民转业（所有农民都有转业的意愿，但只有那些已经实现转业的人才显示出来。）13

删改数据模型为了分析上述情况，定义随机变量y为：如果y*?0，那么y=0如果y*0，那么y=y*假定y*为正态分布变量(y*~N(?，?2)，此时有：Pr(y=0)=Pr(y*?0)=?(-???)=1-?(???)Pr(y0)=Pr(y*)15

Tobit模型上述两种情况均可以表示为Tobit模型，其一般形式为：Tobit模型需要利用最大似然法来估计参数β和σ；需要注意的是，β反映的是X对隐变量y*的影响，而不是对y的影响。16

对Tobit模型的解释删改回归模型的边际效果（假定的y存在下限a和上限b）：对于以0作为单一下限的情况，边际效果的计算公式为：公式表明，x的变化既影响到分布的条件均值y*，同时也影响到观察值落在可变区间的概率。18

Heckman两阶段估计阶段一：估计Probit模型利用该方程得到?的估计值：阶段二：利用OLS方法估计下列方程该方法可以得到参数的一致性估计。19

最大似然法估计取对数的似然函数为（以下限为0的情况为例）：由公式可以看出，前一部分为因变量不受限制情况的OLS回归公式，后一部分为受限制的部分。一些学者认为，最大似然法是一种更有效的估计方法。20

Heckman两阶段法和最大似然法比较根据Greene的看法，两种方法存在以下优劣：两阶段法有效性差；简单，现有软件支持；易于理解并且得到广泛应用。完全信息最大似然法有效性高；简单，现有软件支持；不容易理解，使用中广泛存在误解。21

利用EVIEWS估计Tobit模型在Eviews中包括了估计Tobit模型的指令，其操作步骤如同普通的OLS模型：Quick→Estimateequations→Censored给出因变量和自变量给出上、下