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 amostra. Posso usar as probabilidades de emprego em cada setor (os índices inversos de moinhos) e incluí-los em cada setor de funções de salário 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 de pais, mudança de 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 (2018) no Capítulo 19. A primeira etapa é um modelo de participação como logit multinomial (com setores: público, formal privado, 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 inversos de Mills 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 mãeeduc paternidade esposa secretário público pai paiprimeiro pai pai público diretor paiprivadodecorrentedecorrente públicodecorrentedeminvestigadorprodutor proporçãodekidsbaixo6 proporçãodecidentes entre6 e18 proporçãodoferimento65 onde emprego1 (setor público), 2 (formal privado), 3 (informal), 4 (auto), 5 (agricultura ), 0 (desempregados não empregados) categorias padrão são: masculino, não casado, rural, pais pai não empregado (b) obter probabilidades previstas (c) ivregress 2sls loghourlywage (yearsineducation policy mothereduc fathereduc spouseeduc motherpublicsecrector motherprius pai paipublicsector paiprivatesector spousepublicsector spouseprivatesector proporçãodekidsbelow6 proporçãodekidsentre6and18 proporçãoofeldersover65) idade Idade2 idade3 casado lambda1 feminina urbana1 se emprego1. Primeiro robusto (feito de forma semelhante para cada setor), a Wooldridge usa esta técnica para a participação da força de trabalho feminina, usando o probit em vez do logit multinomial (ou seja, a primeira etapa é: 0 empregado não empregado, 1 empregado). A minha preocupação é se esta abordagem ainda funciona para um logite de mulltinomial. Lógicamente, 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 para a 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 motherprius paiperpectorpublicsector paiprivatesecedor spousepublicsector spouseprivatesector proporçãodekidsbelow6 proporçãodekidsentre6and18 proporçãodelevantes65 age age2 age3 married female urban b) e então 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 (2018) Análise econométrica de dados de seção transversal e painel, 2º edn. The MIT Press, CambridgeAnnunciado 12 de março de 2017, 01:16 Atualmente, estou estudando o prémio de salário público no Sri Lanka. Estive olhando a literatura sobre a regressão de comutação e usando um modelo de variável dummy endógeno (1 público, 0privado) para funcionários assalariados. Eu então encontrei um artigo de Wooldridge (2008) quotInstrumental Variables Estimation of the Average Treatment Effect no Coeficiente aleatório correlacionado Modelquot e estava ansioso para 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 estou a minha abordagem, que eu tenho certeza é muito imperfeita 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 de que 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 age age2 yearsineducation ethnicity gender Público-público no setor público do sexo feminino no setor publico 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 de idade2 anosincorporação gênero etnia (publicfatherinpublicador do setor público no setor público idade do sexo2 anoscidade de gênero etnia), 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 ethnicity gender (publicfatherinpublic publicectorialindependenteinpublicsector), robusto primeiro 12 Mar 2017, 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: os efeitos estimam o efeito médio do tratamento (ATE), o efeito médio do tratamento no tratamento (ATET) e o potencial - Significa resultado (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 tópico, é preferível. Estou lendo em modelos de ectéctrodos 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