Ước lượng bán tham số của các hàm kỳ vọng điều kiện với dữ liệu thiếu

Empirical Economics - Tập 31 - Trang 333-367 - 2006
Markus Frölich1,2
1Department of Economics, University College London, London, UK
2University of St.Gallen, SIAW, St.Gallen, Switzerland

Tóm tắt

Một ước lượng bán tham số mới được đề xuất để ước lượng các hàm kỳ vọng điều kiện từ dữ liệu không đầy đủ, tích hợp hồi quy tham số với các ước lượng khớp phi tham số. Ngoài khả năng áp dụng cho các tình huống dữ liệu thiếu do không phản hồi hoặc mất mát, ước lượng này cũng có thể được sử dụng để phân tích tính không đồng nhất của hiệu ứng điều trị và các quy tắc điều trị thống kê, nơi dữ liệu về các kết quả tiềm năng theo định nghĩa là thiếu. Bằng cách kết hợp các khoảnh khắc từ một thông số hóa tham số với các ước lượng phi tham số về kết quả trung bình trong quần thể không phản hồi trong khung GMM, ước lượng này tìm cách cân bằng giữa mức độ phù hợp tốt trong quần thể phản hồi và độ thiên thấp trong quần thể không phản hồi. Ước lượng này được áp dụng để phân tích tính không đồng nhất của hiệu ứng điều trị trong các chương trình phục hồi chức năng Thụy Điển.

Từ khóa

#ước lượng bán tham số #hàm kỳ vọng điều kiện #dữ liệu thiếu #hiệu ứng điều trị #quy tắc điều trị thống kê

Tài liệu tham khảo

Aakvik A (2003) Estimating the employment effects of education for disabled workers in Norway. Empir Econ 28:515–533 Abbring J, van den Berg G (2004) Analyzing the effect of dynamically assigned treatments using duration models, binary treatment models, and panel data models. Empirical Econ 29:5–20 Angrist J (1998) Estimating labour market impact of voluntary military service using social security data. Econometrica 66:249–288 Angrist J, Krueger A (1999) Empirical strategies in labor economics. In: Ashenfelter O, Card D (eds) The handbook of labor economics, III. North-Holland, New York, pp 1277–1366 Barnow B, Cain G, Goldberger A (1981) Selection on observables. Evaluation Studies Review Annual 5:43–59 Black D, Smith J, Berger M, Noel B (2003) Is the threat of reemployment services more effective than the services themselves?—evidence from random assignment in the UI system. Am Econ Rev 93:1313–1327 Dehejia R (2004) Program evaluation as a decision problem. forthcoming in J Econ Dehejia R, Wahba S (1999) Causal effects in non-experimental studies: reevaluating the evaluation of training programmes. J Am Stat Assoc 94:1053–1062 Fan J (1992) Design-adaptive nonparametric regression. J Am Stat Assoc 87:998–1004 Frölich M (2004) Finite sample properties of propensity-score matching and weighting estimators. Rev Econ Stat 86:77–90 Frölich M (2005) Matching estimators and optimal bandwidth choice. Stat Comput 15(3):197–215 Frölich M, Heshmati, A, Lechner, M (2004) A microeconometric evaluation of rehabilitation of long-term sickness in Sweden. J Appl Econ 19:375–396 Gerfin M, Lechner M (2002) Microeconometric evaluation of the active labour market policy in Switzerland. Econ J 112:854–893 Hahn J (1998) On the role of the propensity score in efficient semiparametric estimation of average treatment effects. Econometrica 66:315–331 Hansen LP (1982) Large sample properties of generalized method of moment estimators. Econometrica 50:1029–1054 Heckman J, Robb R (1985) Alternative methods for evaluating the impact of interventions. In: Heckman J, Singer B (eds) Longitudinal analysis of labour market data. Cambridge University Press, Cambridge Heckman J, Ichimura H, Todd P (1997) Matching as an econometric evaluation estimator: evidence from evaluating a job training programme. Rev Econ Stud 64:605–654 Heckman J, Smith J, Clements N (1997) Making the most out of programme evaluations and social experiments: accounting for heterogeneity in programme impacts. Rev Econ Stud 64:487–535 Heckman J, Ichimura H, Todd P (1998) Matching as an econometric evaluation estimator. Rev Econ Stud 65:261–294 Heckman J, Ichimura H, Smith J, Todd P (1998) Characterizing selection bias using experimental data. Econometrica 66:1017–1098 Heckman J, LaLonde R, Smith J (1999) The economics and econometrics of active labour market programs. In: Ashenfelter O, Card D (eds) The handbook of labor economics, III. North-Holland, New York, pp 1865–2097 Jalan J, Ravallion M (2003) Estimating the benefit incidence of an antipoverty program by propensity-score matching. J Bus Econ Stat 21:19–30 Lechner M (1999) Earnings and employment effects of continuous off-the-job training in east Germany after unification. J Bus Econ Stat 17:74–90 Little R, Rubin D (1987) Statistical analysis with missing data. Wiley, New York Manski C (2000) Identification problems and decisions under ambiguity: empirical analysis of treatment response and normative analysis of treatment choice. J Econ 95:415–442 Manski C (2004) Statistical treatment rules for heterogeneous populations. Econometrica 72:1221–1246 Rosenbaum P, Rubin D (1983) The central role of the propensity score in observational studies for causal effects. Biometrika 70:41–55 Rubin D (1974) Estimating causal effects of treatments in randomized and nonrandomized studies. J Educ Psychol 66:688–701 Seifert B, Gasser T (1996) Finite-sample variance of local polynomials: analysis and solutions. J Am Stat Assoc 91:267–275 Seifert B, Gasser T (2000) Data adaptive ridging in local polynomial regression. J Comput Graph Stat 9:338–360 Wald A (1950) Statistical decision functions. Wiley, New York