Модель усеченной регрессии - Truncated regression model

Модели усеченной регрессии являются классом модели в которой образец был усеченный для определенных диапазонов зависимая переменная. Это означает, что наблюдения со значениями зависимой переменной ниже или выше определенных пороговых значений систематически исключаются из выборки. Следовательно, отсутствуют все наблюдения, так что неизвестны ни зависимая, ни независимая переменная. Это в отличие от цензурированные регрессионные модели где только значение зависимой переменной кластеризуется по нижнему порогу, верхнему порогу или обоим, а значение для независимые переменные доступен.^[1]

Усечение выборки - распространенная проблема в количественных социальных науках при использовании данные наблюдений, и, следовательно, разработка подходящих методов оценки уже давно представляет интерес в эконометрика и смежные дисциплины.^[2] В 1970-е годы Джеймс Хекман отметил сходство между усеченными и неслучайно выбранными выборками, и разработал Поправка 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, на основе подхода локальных наименьших квадратов.^[5] или локальный подход максимального правдоподобия^[6], которые основаны на методах ядра.

Смотрите также

• Цензурированная регрессионная модель
• Смещение выборки
• Усеченное распределение

Рекомендации

1. Брин, Ричард (1996). Модели регрессии: цензурированные, отобранные образцы или усеченные данные. Таузенд-Оукс: Шалфей. С. 2–4. ISBN  0-8039-5710-6.
2. Амемия, Т. (1973). «Регрессионный анализ, когда зависимая переменная усечена нормальным образом». Econometrica. 41 (6): 997–1016. Дои:10.2307/1914031. JSTOR  1914031.
3. Хекман, Джеймс Дж. (1976). «Общая структура статистических моделей усечения, выборки и ограниченных зависимых переменных и простой оценщик для таких моделей». Анналы экономических и социальных измерений. 15: 475–492.
4. Хекман, Джеймс Дж. (1979). «Смещение выборки как ошибка спецификации». Econometrica. 47 (1): 153–161. Дои:10.2307/1912352. JSTOR  1912352.
5. Lewbel, A .; Линтон, О. (2002). «Непараметрическая цензурированная и усеченная регрессия» (PDF). Econometrica. 70 (2): 765–779. Дои:10.1111/1468-0262.00304. S2CID  120113700.
6. Парк, Б. У .; Simar, L .; Зеленюк, В. (2008). "Оценка локальной вероятности усеченной регрессии и ее частных производных: теория и применение" (PDF). Журнал эконометрики. 146 (1): 185–198. Дои:10.1016 / j.jeconom.2008.08.007.

дальнейшее чтение

• Брин, Ричард (1996). «Модели выборки и модель усеченной регрессии». Модели регрессии: цензурированные, отобранные образцы или усеченные данные. Таузенд-Оукс: Шалфей. С. 33–47. ISBN  0-8039-5710-6.
• Фрелих, Маркус (2002). Полупараметрическая оценка моделей селективности. Нью-Йорк: Nova Science. ISBN  1-59033-277-6.
• Кинг, Гэри (1989). «Модели с неслучайным выбором». Объединяющая политическая методология: теория вероятности статистического вывода. Издательство Кембриджского университета. С. 208–230. ISBN  0-521-36697-6.
• Маддала, Г.С. (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-X.