Усеченная регрессионная модель
Модели усеченной регрессии — это класс моделей , в которых выборка была усечена для определенных диапазонов зависимой переменной . Это означает, что наблюдения со значениями зависимой переменной ниже или выше определенных пороговых значений систематически исключаются из выборки. Поэтому целые наблюдения отсутствуют, так что ни зависимая, ни независимая переменная неизвестна. В этом отличие от моделей регрессии с цензурой, в которых только значение зависимой переменной группируется по нижнему, верхнему или обоим пороговым значениям, в то время как значения независимых переменных доступны. [1]
Усечение выборки является широко распространенной проблемой в количественных социальных науках при использовании данных наблюдений , и, следовательно, разработка подходящих методов оценки уже давно представляет интерес для эконометрики и смежных дисциплин. [2] В 1970-х годах Джеймс Хекман заметил сходство между усеченными и неслучайно выбранными выборками и разработал поправку Хекмана . [3] [4]
Оценка моделей усеченной регрессии обычно выполняется с помощью параметрического метода максимального правдоподобия. Совсем недавно в литературе были предложены различные полупараметрические и непараметрические обобщения, например, основанные на методе локальных наименьших квадратов. [5] или метод локального максимального правдоподобия, [6] которые являются методами на основе ядра.
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ Брин, Ричард (1996). Модели регрессии: цензурированные, выбранные выборки или усеченные данные . Таузенд-Оукс: Сейдж. стр. 2–4. ISBN 0-8039-5710-6 .
- ^ Амемия, Т. (1973). «Регрессионный анализ, когда зависимая переменная усечена до нормального значения». Эконометрика . 41 (6): 997–1016. дои : 10.2307/1914031 . JSTOR 1914031 .
- ^ Хекман, Джеймс Дж. (1976). «Общая структура статистических моделей усечения, выборки выборки и ограниченных зависимых переменных и простая система оценки для таких моделей». Анналы экономических и социальных измерений . 15 : 475–492.
- ^ Хекман, Джеймс Дж. (1979). «Смещение выборки как ошибка спецификации». Эконометрика . 47 (1): 153–161. дои : 10.2307/1912352 . JSTOR 1912352 .
- ^ Левбель, А.; Линтон, О. (2002). «Непараметрическая цензурированная и усеченная регрессия» (PDF) . Эконометрика . 70 (2): 765–779. дои : 10.1111/1468-0262.00304 . S2CID 120113700 .
- ^ Парк, Будапешт; Симар, Л.; Зеленюк, В. (2008). «Оценка локального правдоподобия усеченной регрессии и ее частных производных: теория и применение» (PDF) . Журнал эконометрики . 146 (1): 185–198. doi : 10.1016/j.jeconom.2008.08.007 . S2CID 55496460 .
Дальнейшее чтение
[ редактировать ]- Брин, Ричард (1996). «Модели выборки и модель усеченной регрессии». Модели регрессии: цензурированные, выбранные выборки или усеченные данные . Таузенд-Оукс: Сейдж. стр. 33–47. ISBN 0-8039-5710-6 .
- Фрелих, Маркус (2002). Полупараметрическая оценка моделей селективности . Нью-Йорк: Нова Сайенс. ISBN 1-59033-277-6 .
- Кинг, Гэри (1989). «Модели с неслучайным выбором» . Объединение политической методологии: теория подобия статистического вывода . Издательство Кембриджского университета. стр. 208–230. ISBN 0-521-36697-6 .
- Маддала, GS (1983). «Цензурированные и усеченные модели регрессии». Ограниченно-зависимые и качественные переменные в эконометрике . Нью-Йорк: Издательство Кембриджского университета. стр. 149–196 . ISBN 0-521-24143-Х .