推 ichibond3:那請問一下為什麼LPM沒有引入? 123.192.150.76 06/06 23:35
推 ichibond3:不再是連續且無界所以用OLS估計會有偏誤 123.192.150.76 06/06 23:40
→ ichibond3:可否請在詳細解釋一下 謝謝 123.192.150.76 06/06 23:40
※ 引述《ichibond3 (123)》之銘言：
: 1.想問一下 若資料有truncated 或是 censored的時候(尤其是被解釋變數)
: 我們估計模型中的參數要用MLE而不是用OLS(簡單來說以tobit為例)
: 我的想法是 因為被解釋變數資料 truncated 或是 censored 的話
: 會造成 sample selection bias的問題 因為MLE具有漸進一致性的特色
: 因此若使用MLE估計較佳 其實我不知道對不對
我試著回答看看 有錯請指正~~
因為當被解釋變數(Y)truncated or censored到某一定值 ex:left censored to 0
它就不再是連續且無界 所以用OLS估計會有偏誤
為什麼要用MLE是因為它可以考慮到Y censored to 0 及 Y>0 的情況
你拿Tobit,OLS的log-likelihood function來比較可以發現
Tobit的可以分為兩部份 一部份是Y=0
另一部份是Y>0 這一部份其實和OLS的是一樣的
至於sample selection bias應該是sample selection model的部份
: .....................................................................
: 2. 我在看Greene CH23 discret choice model 簡單來分成
: LPM Logit Probit Tobit
: 我看書上 只有probit和tobit 模型有加入laten regression的概念
: 而LPM和LOGIT 都沒有加入 我想問的是 這是巧合 正好課本沒舉例
: 還是說 因為LPM和LOGIT本身有一些特性 不能結合laten regression的概念
LPM沒有引入latent variable的概念
Logit Probit Tobit 三者都有
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.112.86.144