文档介绍：第十一章受限被解释变量
主要内容
断尾回归模型
截取回归模型
样本选择模型
实验11-1:断尾回归模型
实验基本原理
实验内容及数据来源
本书附带光盘data文件夹下的“”工作文件给出了1975年妇女劳动供给的一些数据,主要变量有:lfp=各妇女在1975年是否工作(该变量取1表示该妇女在1975年有工作),whrs=妇女的工作时间,kl6=年龄小于6岁的孩子个数,k618=年龄在6岁到18岁之间的孩子个数,wa=妇女的年龄,we=妇女的受教育年限。很显然,当某妇女在1975年没有工作时,我们观察到的该妇女的工作时间为0。
利用这些数据,我们要研究各个因素对妇女劳动时间的影响,并讲解断尾回归模型的拟合与预测。
实验操作指导
1 利用普通最小二乘法进行回归
我们首先利用这些数据进行普通最小二乘回归。键入以下命令:
regress whrs kl6 k618 wa we if whrs > 0
其中,被解释变量为whrs,解释变量为kl6、k618、wa和we,条件语句if表明,我们对妇女工作时间大于0的数据进行回归。
这里,我们主要是为了和后面断尾回归的结果进行比较。
2 断尾回归的操作
断尾回归的基本命令为:
truncreg depvar [indepvar] [if] [in] [weight] [,options]
其中,truncreg代表“断尾回归”的基本命令语句,depvar代表被解释变量的名称,indepvar代表解释变量的名称,if代表条件语句,in代表范围语句,weight代表权重语句,options代表其他选项。。
对于“”的数据而言,1975年没有工作的妇女的劳动时间都被设定为0,事实上也就是其具体劳动时间的数据没有被统计到,这样,我们可以进行一个左端断尾的回归,命令如下:
truncreg whrs kl6 k618 wa we, ll(0)
这里,选项ll(0)设定左端断尾的下限为0。
3 断尾回归的预测
下面,我们结合本例对选项进行具体的说明。
(stdp)也被称作standard error of the fitted value,可以将其看做观测值处于均值水平下的标准误。预测的标准误(stdf)也被称作the standard error of the future or forecast value,指的是每个观测值的点预测的标准误。根据两种标准误的计算公式可知,stdf预测的标准误总是比stdp预测的要大。
我们对上面的断尾回归进行默认预测以及stdp和stdf的预测,采用如下命令:
predict y
predict p, stdp
predict f, stdf
list whrs y p f in 1/10
其中,第一步为默认预测,并将预测值命名为y;第二步预测的是拟合的标准误,并将预测值命名为p;第三步预测的是预测的标准误,并将其命名为f;最后一步列出原序列值whrs和各预测值的前10个观测值。