treatment effect第二個(gè)stage的模型類(lèi)型,只能是OLS嗎?

在treatment effect的第一個(gè)stage是probit,然后得到IMR
第二個(gè)stage看到的都是OLS,然后把第一個(gè)stage得到的IMR放入第二個(gè)stage.

問(wèn)題:第二個(gè)stage可以是probit或者negative binomial 嗎? 如果可以,是不是也是把IMR直接放入到第二個(gè)stage?

非常感謝!

理論上是可以的
maddal的書(shū)上就有例子

程序估計(jì)需要自己編寫(xiě)。
或許你看看
cmp  命令


http://xalimeijing.com/thread-927406-1-1.html
這里原來(lái)討論過(guò)相關(guān)的


Maximum likelihood estimation of endogenous switching and sample selection models for binary, ordinal, and count variables
Miranda, A. and Rabe-Hesketh, S. (2006) Maximum likelihood estimation.pdf (326.47 KB)

2013-5-25 11:35:58 上傳

有直接可以用的stata程序嗎?many thanks!

藍(lán)色 發(fā)表于 2013-5-25 11:22
理論上是可以的
maddal的書(shū)上就有例子

maddal的哪本書(shū)啊?maddal 一個(gè)印度的統(tǒng)計(jì)學(xué)家?

G. S. Maddala, Limited Dependent and Qualitative Variables in Econometrics

藍(lán)色 發(fā)表于 2013-5-25 11:22
理論上是可以的
maddal的書(shū)上就有例子

我讀了Maximum likelihood estimation of endogenous switching and sample selection models for binary, ordinal, and count variables.pdf, 覺(jué)得里面的ssm就是能解決我的問(wèn)題的命令. 但是很奇怪的是不論是他paper里面的還是help文件的simulated examples,運(yùn)行后都有出錯(cuò)信息.

paper里面的simulated example:
clear
set seed 12345678
set obs 3500
local lambda=0.4
gen double ve=invnormal(uniform())
gen double zeta=invnormal(uniform())
gen double tau=invnormal(uniform())
gen double x1=invnormal(uniform())
gen double x2=invnormal(uniform())
gen double x3=invnormal(uniform())
gen double x4=invnormal(uniform())
replace x3=(x3>0)
replace x4=(x4>0)
gen double selstar=0.58+0.93*x1+0.45*x2-0.64*x3+0.6*x4+(ve+zeta)/sqrt(2)
gen sel=(selstar>0)
gen double ystar=0.17+0.30*x1+0.11*x2+(`lambda'*ve+tau)/sqrt(1+`lambda'^2)
gen y=(ystar>0)
replace y=. if sel==0

*heckprob y x1 x2, select(sel=x1 x2 x3 x4)
ssm y x1 x2, s(sel=x1 x2 x3 x4) q(16) family(binom) link(probit) sel adapt

出錯(cuò)信息是:

(error occurred in ML computation)
(use trace option and check correctness of initial model)
equation id1_1l not found


help里面的simulated example:

clear
    set seed 12345678
    set obs 3500
    local lambda = 0.4
    gen double ve = invnorm(uniform())
    gen double zeta = invnorm(uniform())
    gen double tau = invnorm(uniform())
    gen double x1=invnorm(uniform())
    gen double x2=invnorm(uniform())
    gen double x3=invnorm(uniform())
    gen double x4=invnorm(uniform())
    gen selstar = 0.58 + 0.93*x1 + 0.45*x2 - 0.64*x3 + 0.6*x4 + (ve +  ///
        zeta)/sqrt(2)
    gen double sel = (selstar>0)
    gen double ystar = 0.30*x1 + 0.11*x2 + (`lambda'*ve +  ///
        tau)/sqrt(1+`lambda'^2)
    gen double ordvar = 0
    qui replace ordvar=1 if ystar>-0.40 & ystar<=0.17
    qui replace ordvar=2 if ystar>0.17 & ystar<=0.45
    qui replace ordvar=3 if ystar>0.45 & ystar<=0.80
    qui replace ordvar=4 if ystar>0.80 & ystar<=1.25
    qui replace ordvar=5 if ystar>1.25
    replace ordvar=. if sel==0


ssm y x1 x2, s(sel = x1 x2 x3 x4) q(15) fam(bin) link(probit) sel
出錯(cuò)信息是:

r(2000);


我到底什么地方弄錯(cuò)了,實(shí)在非常感謝!!!

藍(lán)色 發(fā)表于 2013-5-25 11:22
理論上是可以的
maddal的書(shū)上就有例子

藍(lán)色兄,你有運(yùn)行國(guó)ssm命令嘛? thanks! 我想這就是我要的命令,但是我在我的電腦上運(yùn)行不通.

好像不行，你給命令作者寫(xiě)信問(wèn)問(wèn)吧

econfj 發(fā)表于 2013-5-29 15:08
我讀了Maximum likelihood estimation of endogenous switching and sample selection models for binary ...

"paper里面的simulated example: "
經(jīng)測(cè)試這個(gè)是可以運(yùn)行的。
運(yùn)行的結(jié)果，我貼在下面給您看

Sample Selection Probit Regression
(Adaptive quadrature -- 16 points)

                                                     Number of obs  =     3500
                                                     Wald chi2(6)   =  1021.27
Log likelihood = -2915.0225                          Prob > chi2    =   0.0000
  
------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
y            |
          x1 |   .3770491   .0509867     7.40   0.000     .2771172    .4769811
          x2 |   .1400234   .0331205     4.23   0.000     .0751083    .2049384
       _cons |   .1274961   .0735357     1.73   0.083    -.0166311    .2716234
-------------+----------------------------------------------------------------
selection    |
          x1 |   .9681283   .0342559    28.26   0.000      .900988    1.035269
          x2 |   .4240503    .027396    15.48   0.000      .370355    .4777455
          x3 |  -.5845267   .0519791   -11.25   0.000    -.6864038   -.4826495
          x4 |   .6702432   .0528234    12.69   0.000     .5667113    .7737751
       _cons |   .4499317   .0430671    10.45   0.000     .3655217    .5343416
-------------+----------------------------------------------------------------
         rho |   .3929739     .11401     3.45   0.001     .0832102    .5465966
------------------------------------------------------------------------------
Likelihood ratio test for rho=0: chi2(1)= 9.95 Prob>=chi2 = 0.002


"help里面的simulated example:"
請(qǐng)細(xì)看人家建立的資料，
最后一步應(yīng)當(dāng)修正成
ssm ordvar x1 x2, s(sel = x1 x2 x3 x4) q(15) fam(bin) link(oprobit) sel
運(yùn)行的結(jié)果，我貼在下面給您看

Sample Selection Ordered Probit Regression
(15 quadrature points)

                                                     Number of obs  =     3500
                                                     Wald chi2(6)   =  1165.04
Log likelihood = -5175.5765                          Prob > chi2    =   0.0000
  
------------------------------------------------------------------------------
      ordvar |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
ordvar       |
          x1 |   .3154247   .0292513    10.78   0.000     .2580932    .3727563
          x2 |   .1470224   .0236525     6.22   0.000     .1006643    .1933805
-------------+----------------------------------------------------------------
selection    |
          x1 |   .9573866   .0356374    26.86   0.000     .8875386    1.027235
          x2 |    .421744   .0286755    14.71   0.000      .365541    .4779469
          x3 |  -.5968155   .0303954   -19.64   0.000    -.6563894   -.5372415
          x4 |   .6372247   .0308598    20.65   0.000     .5767405    .6977089
       _cons |   .5448698   .0288654    18.88   0.000     .4882946    .6014449
-------------+----------------------------------------------------------------
aux_ordvar   |
       _cut1 |  -.4012287   .0460497    -8.71   0.000    -.4914844    -.310973
       _cut2 |   .1583411    .041944     3.78   0.000     .0761323    .2405498
       _cut3 |   .4265039   .0409125    10.42   0.000     .3463168     .506691
       _cut4 |    .787388   .0404784    19.45   0.000     .7080518    .8667242
       _cut5 |   1.229028   .0420108    29.26   0.000     1.146688    1.311367
-------------+----------------------------------------------------------------
         rho |   .3181832   .0688194     4.62   0.000     .1624427    .4320005
------------------------------------------------------------------------------
Likelihood ratio test for rho=0: chi2(1)= 19.42 Prob>=chi2 = 0.000

怪了，為什么我的也不能運(yùn)行


http://www.stata.com/statalist/archive/2011-07/msg00738.html
看來(lái)有錯(cuò)的不止一兩個(gè)人啊