Modelo de regresión truncada

Los modelos de regresión truncados son una clase de modelos en los que la muestra se ha truncado para ciertos rangos de la variable dependiente . Esto significa que las observaciones con valores en la variable dependiente por debajo o por encima de ciertos umbrales se excluyen sistemáticamente de la muestra. Por lo tanto, faltan observaciones completas, de modo que no se conoce ni la variable dependiente ni la independiente. Esto contrasta con los modelos de regresión censurados , en los que solo se agrupa el valor de la variable dependiente en un umbral inferior, un umbral superior o ambos, mientras que el valor de las variables independientes está disponible. ^[1]

El truncamiento de muestras es un problema generalizado en las ciencias sociales cuantitativas cuando se utilizan datos observacionales y, en consecuencia, el desarrollo de técnicas de estimación adecuadas ha sido de interés durante mucho tiempo en la econometría y disciplinas relacionadas. ^[2] En la década de 1970, James Heckman notó la similitud entre muestras truncadas y muestras seleccionadas de manera no aleatoria, y desarrolló la corrección de Heckman . ^{[3] [4]}

La estimación de modelos de regresión truncados se realiza habitualmente mediante el método de máxima verosimilitud paramétrica. Más recientemente, se han propuesto en la literatura diversas generalizaciones semiparamétricas y no paramétricas, por ejemplo, basadas en el método de mínimos cuadrados locales ^[5] o el método de máxima verosimilitud local ^[6] , que son métodos basados ​​en kernel.

Véase también

• Modelo de regresión censurado
• Sesgo de muestreo
• Distribución truncada

Referencias

1. Breen, Richard (1996). Modelos de regresión: datos censurados, de muestras seleccionadas o truncados. Thousand Oaks: Sage. pp. 2–4. ISBN 0-8039-5710-6.
2. Amemiya, T. (1973). "Análisis de regresión cuando la variable dependiente es normal truncada". Econometrica . 41 (6): 997–1016. doi :10.2307/1914031. JSTOR  1914031.
3. Heckman, James J. (1976). "La estructura común de los modelos estadísticos de truncamiento, selección de muestra y variables dependientes limitadas y un estimador simple para dichos modelos". Anales de medición económica y social . 15 : 475–492.
4. Heckman, James J. (1979). "Sesgo de selección de muestra como error de especificación". Econometrica . 47 (1): 153–161. doi :10.2307/1912352. JSTOR  1912352.
5. Lewbel, A.; Linton, O. (2002). "Regresión no paramétrica censurada y truncada" (PDF) . Econometrica . 70 (2): 765–779. doi :10.1111/1468-0262.00304. S2CID  120113700.
6. Park, BU; Simar, L.; Zelenyuk, V. (2008). "Estimación de verosimilitud local de la regresión truncada y sus derivadas parciales: teoría y aplicación" (PDF) . Journal of Econometrics . 146 (1): 185–198. doi :10.1016/j.jeconom.2008.08.007. S2CID  55496460.

Lectura adicional

• Breen, Richard (1996). "Modelos de selección de muestras y el modelo de regresión truncada". Modelos de regresión: datos censurados, de muestras seleccionadas o truncados . Thousand Oaks: Sage. págs. 33–47. ISBN 0-8039-5710-6.
• Frölich, Markus (2002). Estimación semiparamétrica de modelos de selectividad . Nueva York: Nova Science. ISBN 1-59033-277-6.
• King, Gary (1989). "Modelos con selección no aleatoria". Metodología política unificadora: la teoría de la verosimilitud de la inferencia estadística . Cambridge University Press. pp. 208–230. ISBN 0-521-36697-6.
• Maddala, GS (1983). "Modelos de regresión censurados y truncados". Variables cualitativas y dependientes limitadas en econometría . Nueva York: Cambridge University Press. pp. 149–196. ISBN 0-521-24143-X.