发帖
雷达卡
最近在做一篇文章，里面设计了一些样本选择性的问题，又看到文献中的two part model
有点晕，所以抽时间就把这部分从头梳理了一遍。
样本选择性一般也和取值的限制有关，所以这里梳理的模型包括：断尾、归并、样本选择，三个模型。
第一个模型：连续变量断尾模型。
1. 描述：这里断尾指的是因变量Y（连续变量）的取值在大于等于某个阈值c的时候才能被观测到，比如规模以上的企业数据。而不满足这个条件的，直接就不在样本中，就断掉了，删掉了，或missing。
2. 问题：此时，样本中的数据，我们就不能再假设是具备正态分布。因为全样本才能假设正态分布。此时在回归的时候，就不能再直接使用ols回归
3. 处理：使用 truncreg 命令回归。明确是左断尾ll（），还是右断尾ul（），以及阈值就可以了。
第二个模型：离散变量断尾模型
1. 描述：这里断尾指的是因变量Y（离散变量）的取值在大于等于某个阈值c的时候才能被观测到，比如只有正整数才能被观测到，离散变量取0的时候，观测不到。这种情况可以称为“零断尾泊松回归or零断尾负二项回归”。因为因变量是离散变量，所以我们一般假设分布是泊松分布，或者负二项分布。
2. 问题：同上。
3. 处理：零断尾泊松回归使用ztp回归，零断尾负二项回归使用ztnb。这里直接默认的就是0观测不到，所以不需要再指定。
第三个模型：样本自选择导致断尾 （Y 出现missing）（这种也叫偶然断尾） （陈强，237页）
1. 描述：在研究劳动力供给时间（Y）时，有些人的Y观测不到，是missing。这种情况不是简单的Y超过某个阈值才能被观测到的问题，而是有可能存在样本的自选择，举例来说，就是个体会根据工资wage的高低来决定是否进入劳动力市场，供给劳动，而不是根据劳动时长（Y）的取值来决定的。
这个时候就要考虑到个体的自选择的影响。是样本自己根据某些变量的取值先决定是不是进入劳动力市场，然后才有进入劳动力市场里面后，决定供给多少劳动时长的。
2. 问题：也是因为样本有些观测不到，导致可观测到的数值可能不满足正态分布，导致样本有偏的情况。
3. 处理：heckman两步法，命令为heckman，明确第一步的样本自选择是依赖于哪些变量进行的就可以。
第四个模型：归并模型
1. 描述：这里归并指的是因变量Y的取值在小于等于某个阈值c的时候，都直接被取值为c，有可能不是真实的Y的取值。
2. 问题：同上。导致了样本的分布假设不成立。
3. 处理：命令为tobit，明确阈值是多少就可以。 左归并ll（），右归并ul（）
第五个模型：样本自选择 两部门 two part model
1. 描述：这个模型和heckman的两步法很像，也是说有些Y 的missing，是因为另外一个变量导致的。所以真实的过程有两步，第一步是决定是否进入劳动力市场，若不进入，则Y missing。第二步是进入劳动力市场之后决定供给多少劳动力。
或者说，现实的数据也可能是这样的，进入劳动力市场的Y都大于零，其他的missing都赋值为零。Y体现出归并的特点，但是本质是一样的。
但是two part model假设这两个步骤之间独立，残差项相互独立。所以这两个步骤的估计可以独立进行。
2. 问题：同上。
3. 处理：第一步，选择是否进入，就直接使用probit回归。
第二部，决定劳动力供给，就直接限制在进入劳动力市场中的人中（例如Y大于零）进行ols回归就可以了。第一步的结果不会干扰。
京公网安备 11010802022788号
