Chapter9-受限因变量模型.docx

《Chapter9-受限因变量模型.docx》由会员分享，可在线阅读，更多相关《Chapter9-受限因变量模型.docx（31页珍藏版）》请在优知文库上搜索。

1、第1章受限因变量模型这一章讨论响应变量仅仅被部分观测到的情况。引入被部分观测到的潜在随机变量y,y*的实际观测变量为yi引入二元指示变量D,如果ai；=4+叫（2）其中,为位置参数，o为刻度参数；匕为独立于M的连续随机扰动项,均值为0,方差为1,其分布函数、密度函数分别为F、f0在这些假定条件下，的均值为/,方差为2,分布函数为0,概率密度函数为。（证明请参见附录1）。科好3),称之为从下面截断(truncationfrombelow)或者是从左边截断(truncationfromIeft);如果变量只有在低于某一门限值b时才被观测到(Xbi（注：此处及后面的4的定义均与前面相同）密度函数为：

2、O,f) =J(yf)b)F()-F()0,从截断数据的密度函数（4）式我们可以推出从下面截断或从上面截断的各种不同分布的变量的密度函数。读者可以参阅下面介绍的几个例子。例1截断均匀分布的密度函数和分布函数如果在区间a,6上服从均匀分布（uniformdistribution）,那么f()=，F(X)=T-axh)b-ab-a(6)如果在Y=C处截断，即实际观测值4,如果VC；X=C1如果YG这是左截断的例子，即右截断点二仇根据(5)式，在X=C处截断的随机变量X的截断分布的密度函数为：f)=/，)=力=lS-)=1P(Di=I)FS)F(C)-(c-a)(b-a)b-c(7)分布函数为：F(

3、X)Ja)T(C)=(-)s-)-(-。)=二Pr(2=l)-(c-a)(b-a)b-c(8)例2截断正态分布的密度函数模型设定为：M=匕，Yi=W，如果)；，(9)yf=ai,如果)飞W=bi,如果其中%M0,1)。即/*M%o2),其中o分布表示/的均值和标准差。以6分别表示标准正态分布密度函数和分布函数。那么：PRajmK皿工3=(4i(s)=()-()(IQ)d,=dq=4其中，o根据截断正态分布的密度函数公式：1/(y,-A)/T)。)=行f(4)_F(cJo,如果4y*bi其他可直接得到4W)；&时方的密度函数：4口)“尸霸毋T)_o=1日均J1-()ifaj-ifbi+(II)根

4、据截断正态分布的分布函数公式:O,FyGJ=F(X-M)b)-F(c)尸-尸(q)如果y；bi可直接得到4Y）；，时的分布函数：(3,-)-)Fyy，=()-()()t勺-C)0(Jr.)-()()ifai-a：(v,)-()1-()图二截断正态分布变量的累积分布函数图（设潜变量yM0,1）,图中虚线表示标准正态分布函数，实线表示截断正态分布函数，截断点为LD2 .截断变量的均值和方差截断随机变量的均值和方差称之为截断均值（truncatedmean）和截断方差（truncatedvariance）,由下面的（5）（6）式可以推出各种不同截断分布的均值和方差。给定模型（9）,(13)i=Evi

5、civiJ=2VarvicividiVarvicivic)dx=x-dx=-(b+c)JCJCb-c2Var(x)=*x-E(xxc)2f(xxc)dxal,1=Jx-b+cf-dxJ2b-c=-b2-c2-(c-a)(b+c)22(15)例4:正态分布的截断均值和截断方差给定模型(9),那么%的均值和方差分别为:ElR=M+仍(16)t=Evlclvidt=-竺蛆2_其中,(dJ-(q)力的方差为：VatiyiI=IJ=2Varvicividi(17)其中丁畿瑞一瑞其中，、中分别表示正态分布的密度函数和分布函数。(1)如果Q-F,即数据只是在右边截断,这时(G)=0、(G)=0,因此:色=E

6、vJv,dJ=-给=4(4)W0(17a)(17b)Varvivicl=-=(cl)-(q)0VarviIvi=1+()-2()2MdA皿2()=-(17a)式中(4)称之为InverseMillsRatio,将(18a)式中JC)称之为风险函数(HazardFunction结论lE(yy3E(y)即，如果变量为从上面截断，则截断变量的均值小于初始变量的均值；如果变量为从下面截断，则截断变量的均值大于初始变量的均值。结论2截断变量的方差低于初始变量的方差。图三截断分布的均值(左图)方差(右图)(假定潜在变量M2,2)1.1.2截断回归模型估计下面以左截断模型为例说明截断回归模型的估计。设回归模

7、型为：X=Xw(19)其中，%M0,l)o那么，YMxe根据例4,我们可以得到截断随机变量力的均值和方差。反XIM。=反凹I匕=1+OF：；)=x,+(ai)-(4)(20)-x其中,cti,ai)=(ai)l-(aiy%HyIK。=1+,N(,)-4(%尸=1-(ai)(21)其中，；)=(ai)(ai)-ai由(20)式可以看出,截断均值为和X/的非线性函数。同一般的非线性模型一样，变量Xk对y的边际影响不等于其系数：EyIVd(a)dada=+(a)2-()-；=(l-()J(22)因为O6(3a)=2l-b(,)Jl注：对于yi0=+成(%),截断模型可以写为：yi=Eyiyia+vi

8、=xl+i+ul(24)其中，Ui=。%为减去其条件期望，E(0=O.如果以最小二乘法估计(19)式，就忽略了非线性项储,因此OLS估计量是有偏的。另外，M%a的方差与口的方差相同，由vsyIy)=/-/即可知，/存在异方差，为：Vr=Vaiui2Vavivjai=2(l-+iaj)=2(l-(a1)(25)它是M的函数。2. ML估计对于模型(19),由截断随机变量的概率密度函数可得的密度函数为，fyW-(ai),(26)可以得到的对数似然函数：=-lg(2)+og2-(-x,)2-logl-(-)_.222(27)对于AZ个观测值,JW),其联合对数似然函数为：1.OgLi=-log(2)

9、+IOgb2J-(y1-xi)2Iogll-(-fi)22M(28)通过最优化方法可以解得上式的参数和G的值。1.2归并数据模型计量经济学当中经常能碰到数据的归并问题，简单地说,归并数据即是被解释变量在某个区间的观测值都转化为同一个值。比如，研究电影院的座位需求情况，电影院总的座位是20000个。如果实际的需求量少于20000,那么观测到的需求量就等于实际需求量,但如果实际需求量大于(等于)20000,那么实际可观测到的需求数量只能为20000这时我们说需求量数据被归并，即所有大于20000的数据都被归并为20000o格林(Greene,2000)列举了经验文献中归并数据的应用。其中包括：1 ,家庭耐用品消费支出TobinQ958)2 ,婚外情次数FairQ977,1978)3 ,劳动力市场中妇女工作的小时数Quest