Los modelos de regresión truncados son una clase de modelos en los que la muestra ha sido truncada para ciertos rangos de la variable dependiente . Eso 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 el valor de la variable dependiente se agrupa 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 seleccionadas de otro modo no aleatoriamente, y desarrolló la corrección de Heckman . [3] [4]
La estimación de modelos de regresión truncados generalmente se realiza mediante el método paramétrico de máxima verosimilitud. Más recientemente, en la literatura se propusieron varias generalizaciones semiparamétricas y no paramétricas, por ejemplo, basadas en el enfoque de mínimos cuadrados locales [5] o el enfoque de máxima verosimilitud local, [6] que son métodos basados en kernel.
Ver también
Referencias
- ^ Breen, Richard (1996). Modelos de regresión: datos censurados, muestras seleccionadas o truncados. Mil robles: salvia. págs. 2–4. ISBN 0-8039-5710-6.
- ^ Amemiya, T. (1973). "Análisis de regresión cuando la variable dependiente se trunca en la normalidad". Econométrica . 41 (6): 997–1016. doi :10.2307/1914031. JSTOR 1914031.
- ^ Heckman, James J. (1976). "La estructura común de los modelos estadísticos de truncamiento, selección de muestras y variables dependientes limitadas y un estimador simple para dichos modelos". Anales de medición económica y social . 15 : 475–492.
- ^ Heckman, James J. (1979). "Sesgo de selección de muestra como error de especificación". Econométrica . 47 (1): 153–161. doi :10.2307/1912352. JSTOR 1912352.
- ^ Lewbel, A.; Linton, O. (2002). "Regresión no paramétrica censurada y truncada" (PDF) . Econométrica . 70 (2): 765–779. doi :10.1111/1468-0262.00304. S2CID 120113700.
- ^ Parque, BU; Simar, L.; Zelenyuk, V. (2008). "Estimación de probabilidad local de regresión truncada y sus derivadas parciales: teoría y aplicación" (PDF) . Revista de Econometría . 146 (1): 185-198. doi :10.1016/j.jeconom.2008.08.007. S2CID 55496460.
Otras lecturas
- Breen, Richard (1996). "Modelos de selección de muestras y modelo de regresión truncada". Modelos de regresión: datos censurados, muestras seleccionadas o truncados . Mil robles: salvia. págs. 33–47. ISBN 0-8039-5710-6.
- Frolich, Markus (2002). Estimación Semiparamétrica de Modelos de Selectividad . Nueva York: Nova Science. ISBN 1-59033-277-6.
- Rey, Gary (1989). "Modelos con selección no aleatoria". Metodología política unificadora: la teoría de la probabilidad de la inferencia estadística . Prensa de la Universidad de Cambridge. págs. 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. págs. 149-196. ISBN 0-521-24143-X.