Anúncio Estou tentando lidar com duas formas de viés na minha análise de probabilidade em diferentes setores de emprego e funções de lucro em diferentes setores - seleção de amostras e endogeneidade da variável educacional. Seleção de amostra: eu uso um modelo de participação usando um logit multinomial (categoria base: desempregados não empregados) com os seguintes setores: público, formal privado, privado informal, auto-emprego, agricultura. Eu uso este modelo para abordar a questão da seleção de amostras. Posso usar as probabilidades de emprego em cada setor (os índices de Mills inversos) e incluí-los em cada um dos setores das funções salariais do OLS. Endogeneidade: no entanto, a questão está seguindo o procedimento acima é que a educação (que se pensa ser exógena em OLS) pode, de fato, ser endógena. É importante abordar esta forma de viés, juntamente com a seleção da amostra. Tenho os seguintes instrumentos para endereçar a endogeneidade - educação para paises, mudança nas leis de escolaridade compulsória. Eu me deparo com duas opções e eu apreciaria qualquer conselho sobre o qual parece ser a opção mais apropriada. Infelizmente, não encontrei nenhuma literatura econômica que tente lidar com ambas as formas de viés, apesar da vasta literatura sobre essas duas questões (por exemplo, retorna à literatura educacional usando variáveis instrumentais, escolha ocupacional usando Heckman). 1. O primeiro método foi obtido a partir do método Wooldridge (2010) no Capítulo 19. A primeira etapa é um modelo de participação como um logit multinomial (com setores: público, privado formal, privado informal, auto-emprego, categoria base de agricultura: desempregados não empregados ). Em seguida, use as probabilidades previstas desse modelo para cada resultado, obtenho os índices de Mills inversos e inclua-os como regressões adicionais nas respectivas funções salariais, que são estimadas usando IV (2SLS), onde a educação é tratada como um regressor endógeno. (A) mlogit idade de idade idade2 idade3 mulher casada política urbana mothereduc fathereduc esposa presidente do sexo feminino presidente do sexo feminino pai do pai pai pai público diretor do pai pai do sexo primo presidente do setor público principal do sexo femininoprimeiro proporção do consumidor proporções menores6 proporção de casos entre 6 e 18 proporção de abrangência65 onde o emprego1 (setor público) 2 (formal privado) 3 (informal) 4 auto - ), 0 (desempregados não empregados) as categorias padrão são: masculino, não casado, rural, paisinho não empregado (b) obtenha probabilidades previstas (c) ivregress 2sls loghourlywage (yearsineducation policy mothereduc fathereduc spouseeduc motherpublicsector mãe privatesector paipublicsector paiprivatesecedor spousepublicsector spouseprivatesector proporçãodekidsbelow6 proporçãodekidsentre6and18 proporçãoofeldersover65) idade Idade2 idade3 mulher casada lambda1 urbana1 se emprego1. Primeiro robusto (feito de forma semelhante para cada setor), a Wooldridge usa essa técnica para a participação da força de trabalho feminina, usando o probit em vez de logit multinomial (ou seja, a primeira etapa é: 0 empregado não empregado, 1 empregado). Minha preocupação é se essa abordagem ainda funciona para um logite de mulltinomial. Legalmente, isso não parece fazer sentido com um logit multinomial porque a educação é obtida antes de escolher o setor de emprego. Portanto, parece incorreto obter uma forma reduzida de educação em cada setor. 2. A minha segunda opção é usar os valores previstos da educação usando uma forma reduzida: (a) regredir a política de educação anual mothereduc fathereduc spouseeduc motherpublicsecrector motherpriucatesector fatherpublicsector paiprivatesector spousepublicsector spouseprivatesector proporçãodekidsbelow6 proporçãodekidsentre6and18 proporçãodeversores65 age age2 age3 married female urban (b) e depois realizar o Estimativas salariais MNL e OLS usando a educação prevista. No entanto, Woolridge afirma que esse método faz fortes pressupostos sobre o termo de erro da forma reduzida. Eu ficaria muito grato por receber qualquer conselho sobre este assunto. Referência: Wooldridge JM (2010) Análise econométrica de dados de seção transversal e painel, 2º ed. O MIT Press, CambridgeAnnunciado 12 de março de 2016, 01:16 Atualmente, estou estudando o Prêmio de Salário Público no Sri Lanka. Eu tenho estudado a literatura sobre a regressão de comutação e usando um modelo de variável dummy endógeno (1 público, 0 privado) para funcionários assalariados. Eu então encontrei um artigo de Wooldridge (2008) quotInstrumental Variables Estimation of the Average Treatment Effect no coeficiente de coeficiente aleatório correlacionado e estava interessado em aplicá-lo na minha análise. A partir deste artigo, tenho uma idéia vaga na minha cabeça, mas não tenho certeza se estou no caminho certo e se é uma abordagem viável. Estou esperando que eu possa obter alguns conselhos sobre como modelá-lo. Aqui está a minha abordagem, que eu tenho certeza é muito falho no presente, então peço desculpas por isso: 1. Estimar probit (1 público, 0 privado) ou duas regressões probit (para funcionários públicos e privados, separadamente). Não tenho certeza qual é mais adequado. Probit idade pública idade2 anoscidade sexo etnicidade 2. Obter as probabilidades previstas prever p (digamos, phat) 3. O segundo estágio usará IV para estimar a função salarial (onde a variável dummy é endógena) ivregress 2sls logwage idade idade2 yearsineducation gênero etnia ( O público em geral no setor público do setor de feitiços no setor público phat), robusto primeiro Se eu estimar duas regressões probit em vez de uma, então eu terminaria com dois termos de correção para o meu segundo passo IV (se entendi corretamente). Isso soa como uma abordagem sensata, ou eu entendi completamente os conceitos Idealmente, eu desejo empregar um modelo de regressão de comutação enquanto controla a endogeneidade da escolha do setor. Obrigado pela ajuda Referência: Woolridge, J. (2008), quot Variações instrumentais Estimativa do efeito médio do tratamento no Coeficiente aleatório correlacionado Modelo, Avanços em Econometria, 21, pp. 93 - 116 Sugiro o seguinte: ivregress 2sls logwage Idade etária2 anosincêncio gênero etnicidade (publicfatherinpublic publicector spouseindeputado público idade etária2 yearsineducation etnia etnicidade), robusto primeiro Tanto quanto eu sei, você não precisa dos 2 estágios. Além disso, você deve considerar deixar de fora todas as variáveis no comando de seleção que também fazem parte da regressão principal, ou seja, ivregress 2sls logwage age age2 yearsineducation etnia de gênero (publicfatherinpublic chairecourse spouseinpublicsector), robusto primeiro 12 Mar 2016, 10:46 Você já olhou para Statas? Conjunto de comandos para avaliação de efeitos de tratamento endógeno. Heres um trecho da introdução: quot. Efeitos de título. Avaliação de efeitos de tratamento endógeno. Descrição. Efeitos estimados o efeito médio do tratamento (ATE), o efeito médio do tratamento no tratamento (ATET) e o potencial - O resultado significa (POMs) de dados observacionais quando a atribuição do tratamento está correlacionada com os resultados potenciais. Permite resultados contínuos, binários, de contagem, fracionários e não negativos e requer um tratamento binário. Para controlar a endogeneidade da atribuição do tratamento, o estimador inclui resíduos do modelo de tratamento nos modelos para os resultados potenciais, conhecidos como abordagem de função de controle. Espero que isso ajude. Richard Desculpe por tropeçar, mas isso parece postar aqui, em vez de abrir um novo fio, é preferível. Estou lendo em modelos de eteffects em stata, mas o que eu quero saber é a diferença entre esses modelos e modelos de variáveis instrumentais. Se alguém pode explicar ou fornecer um recurso detalhando as semelhanças e diferenças, isso seria ótimo.
No comments:
Post a Comment