其他分享
首页 > 其他分享> > 计量-内生性实战

计量-内生性实战

作者:互联网

heckman

Heckman 两阶段模型主要是针对性解决样本选择偏误 (sample selection bias) 导致的内生性问题。Heckman 模型解决的样本选择问题,是由于被解释变量部分观测值的缺失/不可观测导致的。而处理效应模型主要针对核心解释变量为内生虚拟变量的情况,并且处理效应模型中的 值都是可观测的。

Heckman 模型分两阶段,第一步使用 Probit 回归模型,并根据回归结果计算逆米尔斯比 (IMR),第二步是将 IMR 带入模型进行回归。Heckman (1979) 使用了 Heckman 模型估计女性劳动供给和工资率水平。该模型在近些年的研究也有不少应用,例如:

Weigelt (2013) 研究了客户公司如何在市场安排下从供应商的 IT 能力中获得性能收益,以及公司在 IT 业务内包和外包的不同情况下,供应商的 IT 能力和公司运营能力交互效应对公司业绩的影响。文章第一阶段采用 Probit 模型对公司 IT 业务内包或是外包发生的可能性进行估计,并从中得到 IMR;第二阶段将样本拆分为内包组和外包组进行分组回归,并加入 IMR 来修正样本自选择偏差;
石晓军和王骜然 (2017) 在研究双层股权制度对企业创新的影响时,为了处理部分企业没有 R&D 支出导致的样本偏差,使用 Probit 模型对是否进行 R&D 投入进行回归,并计算逆米尔斯比率比率。之后,将逆米尔斯比率带入模型进行回归;
陈作华和刘子旭 (2019) 在研究政企关系对民营企业特质风险的影响时,使用了 Heckman 法控制可能存在的自选择问题。由于民营企业建立的政企关系可能内生于其所处环境和自身特征,这些因素也可能影响企业的特质风险。他们使用了民营企业家是否参政议政建立虚拟变量,将政企关系作为被解释变量,可能影响政企关系的变量作为解释变量并进行 Probit 回归来估计民营企业建立政企关系的概率,从而得到逆米尔斯比率比率。
相关参考文献:

Heckman J J. Sample selection bias as a specification error[J]. Econometrica: Journal of the econometric society, 1979: 153-161. -PDF-
Weigelt C. Leveraging supplier capabilities: The role of locus of capability deployment[J]. Strategic Management Journal, 2013, 34(1): 1-21. -Link-
石晓军, 王骜然. 独特公司治理机制对企业创新的影响———来自互联网公司双层股权制的全球证据[J]. 经济研究, 2017, 52(1): 149-164. -Link-
由于部分企业并没有 R&D 支出, 即 R&D 支出值缺失或为零, 为处理这个样本偏差问题, 我们采用了 Heckman 两阶段法对模型 1 进行修正。首先, 使用二值 Probit 模型对是否进行 R&D 投入进行回归, 得出逆米尔斯比率 λ, 如式(8)。其中, Probit(RDit) 为企业选择进行 R&D 投资的概率;RDit为度量企业是否进行 R&D 投资的虚拟变量, R&D 投资大于零则为 1, 否则为 0。其余变量与模型 1 相同。第二阶段利用选择样本, 即 RDit = 1 的观测数据做式(9)的回归。其中, λ 为对式(8)进行回归得到的逆米尔斯比率, 其余变量与模型 1 相同。
这篇文章把heckman作为一个关键性的步骤。
陈作华, 刘子旭. 政企关系与企业特质风险[J]. 管理科学, 2019, 32(4): 48-61. -Link-

标签:实战,Heckman,变量,模型,米尔斯,计量,内生性,Probit,政企
来源: https://www.cnblogs.com/xiemaycherry/p/15500013.html