Hekman Auswahlmodell In Stata Forex

HINWEIS: Die IDRE Statistical Consulting Group wird die Migration der Website auf das WordPress CMS im Februar, um die Wartung und Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group durch ein Geschenk Stata Lehrbuch Beispiele Ökonometrische Analyse von Querschnitts - und Panel-Daten von Jeffrey M. Wooldridge Kapitel 17: Probenauswahl, Zerlegung und geschichtete Probenahme Die verwendeten Datendateien Können die Beispiele in diesem Text in einer Zip-Datei von der Stata-Website heruntergeladen werden. Sie können dann ein Programm wie zip verwenden, um die Dateien zu entpacken. Beispiel 17.6 auf Seite 565 mroz. dta. Beispiel 17.7 auf Seite 568 mit mroz. dta. Der Inhalt dieser Website sollte nicht als eine Anerkennung für eine bestimmte Website, Buch oder Softwareprodukt von der Universität von Kalifornien ausgelegt werden. Ich studiere das relativ klassische Modell der Auswahl, um die Gewerkschaftslohnprämie mit zwei Gleichungen zu schätzen Gehalt und eine zweistufige Gleichung der Auswahl Union gamma X epsilon Ich habe zwei verschiedene Fragen: 1) Wenn ich es als eine Querschnittsschätzung in Stata (mit dem Heckman-Befehl) implementieren, habe ich sehr unterschiedliche Ergebnisse, ob ich es von Heckman zwei schätzen Schritt-Verfahren oder durch MLE. Ist das normal In welchem ​​Fall, was ist der theoretische Grund 2) Wie in meinen Gleichungen, ich habe Panel-Daten. Ist die Heckman-Prozedur noch auf sie anwenden oder die innere Schätzung entfernen Sie die Endogenität und lösen sie alles, was ich sagen würde, es gilt immer noch, aber ich habe keine relevante Literatur gefunden und meine Kurse nur Querschnittsdaten. Wenn ich richtig verstehe, sind Sie Tricking Heckman Auswahlmodell, um ein endogenes Schalt-Regression-Modell zu schätzen. Auch bekannt als das Roy-Modell und Tobit-Typ 5. Dieser Trick wird in Lee, Lung-Fei (1978) Unionismus und Lohnraten erklärt: Ein Simultangleichungen Modell mit qualitativen und begrenzten abhängigen Variablen, International Economic Review. Vol. 19 (2), S. 415-433. Sie interessieren sich, wenn Arbeitnehmermerkmale in den beiden Regimessern (beta0 - beta1 ne 0) unterschiedlich belohnt werden und der Korrelationsparameter rho über die Auswirkung der selektierten Gewerkschaftsmitgliedschaft auf die Löhne in den beiden Sektoren informiert. Sie müssen jedoch die Standardfehler anpassen, wenn die Heckman-Technik verwendet werden soll, oder Sie verlieren Konsistenz. Alternativ, da Sie eine Ausschlussbeschränkung haben, können Sie den ursächlichen Effekt der Gewerkschaftsmitgliedschaft auf Löhne unter Verwendung von Instrumentalvariablen erhalten: treatregetregress für Querschnittsdaten und alle Arten von Panel IV-Methoden wie xtivreg. Einige Beobachtungen. Erstens ist theres ein vom Anwender geschriebenes Stata-Kommando mit dem Namen movestay, das entworfen wurde, um das endogene Schaltregressionsmodell mit Querschnittsdaten abzuschätzen. Es handelt sich um einen vollständigen ML-Ansatz, der auf der multivariaten Normalität der Fehlerbegriffsannahme beruht, genauso wie die Heckman-MLE-Methode. Wenn dies erfüllt ist, werden beide im Einklang sein, obwohl der Bewegungsablauf etwas effizienter ist, als es in zwei Teilen zu tun. Der Heckman-Zwei-Schritt-Beschränkungsinformations-ML-Schätzer beruht nur auf der univariaten Normalität der Grenzverteilung, so dass es erwartet wird, robuster zu sein, da dies eine geringere Hürde ist, um klar zu werden. Aber wenn Sie gemeinsame Normalität haben, ist die Two Step immer noch konsequent, aber nicht mehr effizient, vor allem in Bezug auf movestay. Allerdings, wenn Sie nur univariate Normalität haben, dann bleibt die Two Step konsistent, während die FIML Ansätze sind nicht. Kurz gesagt, FIML und LIML Ansätze werden in der Regel unterscheiden, da sie unterschiedliche Informationen zu arbeiten haben, wie ich unten mit einem Beispiel zeigen. Ich denke, das erklärt Frage (1). Jetzt für (2). Soweit ich weiß, gibt es keine off-the-shelf-Panel-Version von heckman oder movestay. Obwohl beide erlauben, dass Sie die Standardfehler auf der Panel-ID clustern. Das ist nicht strikt richtig, kann aber gut genug sein. Es könnte auch eine Möglichkeit, hack es mit gllamm. Obwohl ich dies nie selbst gemacht habe, da es nicht trivial erscheint. Hier einige Anmerkungen und Statalisten. Ich antworte nicht wirklich auf den zweiten Teil von (2), da mir nicht klar ist, wie die festen Effekte in das Modell eintreten und wie sie mit der Gewerkschaftsmitgliedschaft zusammenhängen. Mit Panel-Methoden, die ich oben vorgeschlagen, geben Sie Schätzung der verschiedenen Parameter in den beiden Regimessectors. Abhängig von den Details Ihres Modells, können Sie nicht einmal brauchen, um Instrument, wenn Sie unterscheiden können die nervtötende Wirkung. Die Details hängen von Ihren Daten und Modellen ab. Schließlich könnten Sie erwägen, Ihre Notation zu ändern, um ein Instrument (e) Z hinzuzufügen (etwas, das die Gewerkschaftsmitgliedschaft verändert, aber nicht direkt mit den Löhnen zusammenhängt) und den festen Effekten. Heres einige Code zeigt die movestay und Heckman MLE Äquivalenz, zusammen mit dem Problem haben Sie in (1). Ich modelliere Löhne mit endogener Beteiligung an öffentlichen und privaten Sektoren. Meine Instrumente sind Familienstand und Zahl der Beschäftigten im Haushalt. Sie sind wahrscheinlich nicht sehr gut. Heres die Ausgabe: Die Rhos sind die Vereinigungseffekte. Rho0 ist positiv und signifikant, so dass Leute, die sich für die Arbeit im öffentlichen Sektor verdienen niedrigere Löhne in diesem Sektor als eine zufällige Person aus dieser Stichprobe. Diejenigen, die im privaten Sektor arbeiten nicht besser oder schlechter als eine zufällige Person. Die Zeichen sind ein wenig kontraintuitiv, aber die Autoren des Stata-Codes parametrisierten rho als negativ (siehe die bedingten Erwartungen Teil der movestay Papier). Der Likelihood-Verhältnis-Test für die gemeinsame Unabhängigkeit der drei Gleichungen wird in der letzten Zeile der Ausgabe gemeldet. Die frontseitigen Parameter sind ergänzend. Einige Leute bevorzugen es, rho und sigma zu multiplizieren, um lambda zu erhalten, wobei Standardfehler mit der Delta-Methode geschätzt werden. Jetzt können Sie die gleichen Schätzungen mit heckman (obwohl das Zeichen auf rho und die beiden Instrumente Flips, da der Befehl ein wenig anders parametrisiert). Sie sehen den gleichen negativen Effekt: Mit den beiden Schritten tötet nur die Ergebnisse: Jetzt replizieren wir die zweite Gleichung mit ähnlichen Ergebnissen: