在stata中使用movestay命令进行内生转换回归时,第一阶段(信贷配给概率估计)的自变量始终是多于第二阶段(收入的影响因素)的自变量,如何才能使第一阶段(信贷配给概率估计)的自变量比第二阶段(收入的影响因素)的自变量少?
我汗,第一阶段的概率估计必须自变量多,这是在估计反事实框架,否则你估计出的概率在第二阶段的回归中偏误太大。
恩恩,最初是我理解错了,现在已经明白了。内生转换的基本假设就是影响收入的变量会同时影响其信贷配给概率。谢谢!
另外想请教一下估计结果中的rho_1和rho_2是什么意思?使用说明中指提到了它们的系数是否为正,不懂它们的含义,请赐教!
最佳解答:
movestay estimates all of the parameters in the model:
(regression equation for regime 0: y0 is depvar0, x1 is varlist0)
y0 = x0 * b0 + e_0
(regression equation for regime 1: y1 is depvar1, x1 is varlist1)
y1 = x1 * b1 + e_1
(selection equation: Z is varlist_s)
y0 observed if Zg + u <= 0
y1 observed if Zg + u > 0
where:
e_0 ~ N(0, sigma0)
e_1 ~ N(0, sigma1)
u ~ N(0, 1)
corr(e_0, u) = rho_0
corr(e_1, u) = rho_1
前辈您好,能请教您一些关于内生转换模型STATA实现的过程么?
movestay命令
我看了下stata Journal2004对于movestay这个命令的介绍,movestay用的是充分信息最大似然法,我想请教下在这种估计方法下,是不是并未将2阶段估计法中所提到的遗漏变量纳入回归结果中呢?最近在做论文,这个问题一直非常困惑~
我不确定你所说的 2 阶段估计法是否在此模型中可以适用(就好像 Heckman 的 sample selection model),但用 MLE 应该没有你所担心的遗漏变量问题!