AVISO: O grupo de consultoria estatística IDRE estará migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisas Digitais e Educação Ajude o Grupo de Consultoria Estatal, dando um presente. Exemplos de livros de texto da Stata Análise econométrica de seção transversal e dados do painel por Jeffrey M. Wooldridge Capítulo 17: Seleção de amostras, atrito e amostragem estratificada Os arquivos de dados usados para Os exemplos neste texto podem ser baixados em um arquivo zip do site da Stata. Você pode então usar um programa, como zip, para descompactar os arquivos de dados. Exemplo 17.6 na página 565 usando mroz. dta. Exemplo 17.7 na página 568 usando mroz. dta. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico da Universidade da Califórnia. Estou estudando o modelo de seleção relativamente clássico para estimar o prémio salarial sindical, com duas equações de Salário e uma equação de dois passos da seleção union gamma X epsilon Tenho duas questões diferentes: 1) Quando eu a implemento como uma estimativa de seção transversal em Stata (com o comando heckman), eu tenho resultados muito diferentes, seja eu estimado por Heckman dois Método passo ou pelo MLE. Isso é normal. Em que caso, quais são os motivos teóricos 2) Como observado em minhas equações, eu tenho dados de painel. O procedimento Heckman ainda se aplica a ele Ou a estimativa interna remove a endogeneidade e resolve tudo o que eu diria que ainda se aplica, mas não encontrei literatura relevante e meus cursos apenas cobrem dados de seção transversal. 12 de fevereiro às 22:22 Se eu entender corretamente, você está enganando o modelo de seleção de Heckman para estimar um modelo de regressão de comutação endógena. Também conhecido como o modelo Roy e Tobit Type 5. Este truque é explicado em Lee, Lung-Fei (1978). Taxas de sindicalização e salários: um modelo de equações simultâneas com variáveis qualitativas e dependentes limitadas, revisão econômica internacional. Vol. 19 (2), pp. 415-433. Você está interessado se as características dos trabalhadores forem recompensadas de forma diferente nos dois regimessectores (beta0 - beta1 ne 0) e o parâmetro de correlação rho informa sobre o efeito da adesão de sindicatos auto-selecionados nos salários nos dois setores. No entanto, você pode precisar ajustar os erros padrão se a técnica Heckman for usada, ou você perderá consistência. Alternativamente, uma vez que você tem uma restrição de exclusão, você pode obter o efeito causal da associação de sindicatos em salários usando variáveis instrumentais: tratar o registro de registros para dados transversais e todos os tipos de métodos do painel IV como xtivreg. Algumas observações. Primeiro, theres é um comando Stata escrito pelo usuário chamado movestay projetado para estimar o modelo de regressão de comutação endógena com dados de seção transversal. É uma abordagem ML completa, que depende da normalidade multivariada da suposição de termos de erro, assim como o método Heckman MLE. Se isso for satisfeito, ambos serão consistentes, embora a mobilidade seja um pouco mais eficiente do que fazê-lo em duas partes. O estimador ML da informação limitada do Heckman Two Step depende apenas da normalidade univariada da distribuição marginal, pelo que espera-se que seja mais robusto, já que é um obstáculo mais baixo para limpar. Mas se você tiver uma normalidade comum, o Two Step ainda é consistente, mas não é mais eficiente, especialmente em relação à mobilidade. No entanto, se você tiver apenas uma normalidade univariada, o Two Step permanece consistente enquanto as abordagens FIML não são. Em suma, as abordagens FIML e LIML geralmente diferem, uma vez que possuem informações diferentes para trabalhar, como mostramos abaixo com um exemplo. Eu acho que isso explica a questão (1). Agora para (2). Tanto quanto eu sei, não há uma versão em painel da plataforma ou movil. Embora ambos os permitam agrupar os erros padrão no id do painel. Isso não é estritamente correto, mas pode ser bom o suficiente. Também pode haver uma maneira de cortá-lo usando gllamm. Embora eu nunca tenha feito isso sozinho, uma vez que parece não trivial. Algumas notas sobre isso aqui e tópicos Statalist aqui. Eu realmente não estou respondendo a segunda parte (2), uma vez que não é claro para mim como os efeitos fixos entram no modelo e como eles estão relacionados à adesão sindical. Com os métodos de painel sugeridos acima, você abandona a estimativa de diferentes parâmetros nos dois regimessectores. Dependendo dos detalhes do seu modelo, talvez você não precise se insistir se puder diferenciar o efeito traquino. Os detalhes dependem de seus dados e modelos. Finalmente, você pode considerar mudar sua notação para adicionar o (s) instrumento (s) Z (algo que altera a associação sindical, mas não está relacionado diretamente com os salários) e os efeitos fixos. Heres algum código que mostra a mobilidade e Heckman MLE equivalência, juntamente com o problema que você tem em (1). Estou modelando os salários com a participação endógena em grupos públicos e privados. Meus instrumentos são o estado civil e o número de ocupantes na casa. É provável que não sejam muito bons. É a saída: os rhos são os efeitos da união. Rho0 é positivo e significativo, então as pessoas que optam por trabalhar no setor público ganham salários mais baixos nesse setor do que um indivíduo aleatório dessa amostra. Aqueles que trabalham no setor privado não são melhores ou piores do que um indivíduo aleatório. Os sinais são um pouco contraintuitivo, mas os autores do código Stata parametrizaram o rho como negativo (veja a parte das expectativas condicionais do papel da mobilidade). O teste de taxa de verossimilhança para a independência conjunta das três equações é relatado na última linha do resultado. Os parâmetros frontslashed são auxiliares. Algumas pessoas preferem multiplicar rho e sigma para obter lambda, com erros padrão estimados usando o método delta. Agora, você pode obter as mesmas estimativas usando o heckman (embora o sinal no rho e os dois instrumentos flipem, uma vez que o comando é parametrizado um pouco de forma diferente). Você vê o mesmo efeito negativo: usar os dois passos apenas mata os resultados: agora replicamos a segunda equação, com resultados semelhantes:
No comments:
Post a Comment