※ 引述《ahomai (ahomai)》之铭言： : 想要请问一下一个搞了很久一直搞不定的问题： : 在下论文的主题与自选择（self selection）有关 : 所以选用heckman two stage model : 并以stata的heckprob指令来跑....跑出结果 : 主要研究x1对於y的影响 : 第一阶段是选择模型 为probit model : x1是dummy variable 且因涉及到个人的选择 : 所以以x1为因变数 其他x2 x3 x4 x5 x6为自变数 : 估计出一个lambda 来修正自选择问题 : 第二阶段是主要模型 用MLE : y为因变数 其他x1 x2 x3 x4 x5 lambda : （很多书都强调至少要有一个变数和第一阶段不同，所以既然x6对y不显着 就不放） : ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ : 问题是： : 用SAS也好 STATA也好 x1在第二阶段都会被drop掉 : stata 是说 because of collinearity : sas 是说 x1 = intercept : 那麽我不就没有办法研究x1对y的影响了吗？ : （我看皮耳森相关系数 x1 与 x2 x3 x4的p值都是0.000 是否是这个缘故呢？？） 不是没办法研究 可能需要换一个方法 在 heckman selection model 中 x1(DV=0,1) 不该纳入 第二阶段的估计 以消费者对有机农产品的愿付价格为例 1st stage 愿不愿意多付钱购买有机农产品 (0,1) 样本数为n1 2nd stage 愿意多付钱的人 再问愿付价格 样本数为n2 从以上例子我们可以发现 在第二阶段中 仅剩下愿意付的人 (所以 n1 > n2) 因此 愿不愿意付这个问题(x1变数) 在第二阶段中 都只剩 "1" 的值 所以不能纳入模型中估计 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.86.205