《高级计量经济学与Stata应用》第十四章

一、受限被解释变量的基本概念

• 定义：解释受限被解释变量的含义，即因变量的取值范围受到某种限制，导致传统的线性回归模型不再适用。
• 类型：介绍受限被解释变量的主要类型，如截断数据（Truncated Data）、归并数据（Censored Data）等。
  

二、截断回归模型（Truncated Regression Models）

• 左截断与右截断：阐述左截断和右截断的概念，以及它们对概率密度函数和期望的影响。
• 截断回归的估计：介绍截断回归模型的参数估计方法，如最大似然估计法（MLE），并讨论在Stata中的实现命令，如truncreg命令及其选项。
• 实例分析：通过具体实例展示截断回归模型的应用，包括数据准备、模型设定、参数估计和结果解释。
  

三、归并回归模型（Censored Regression Models）

• 生存分析：在归并回归模型中，生存分析是一个重要的应用领域。介绍生存数据的特点、生存函数和风险函数等基本概念。
• Tobit模型：详细阐述Tobit模型的基本形式、参数估计方法和经济意义。Tobit模型是一种常用的处理归并数据的回归模型。
• 实例分析：通过具体实例展示Tobit模型的应用，包括数据准备、模型设定、参数估计和结果解释。
  

四、计数模型（Count Models）的进一步讨论

• 泊松回归与负二项回归：虽然计数模型在前面的章节中可能已有介绍，但在此章节中可能会进一步讨论其高级应用，如零截断泊松回归（Zero-Truncated Poisson Regression）和零截断负二项回归（Zero-Truncated Negative Binomial Regression）等。
• 过度离散性的处理：在计数数据中，过度离散性是一个常见问题。讨论如何识别和处理过度离散性，以及相应的模型选择问题。
  

五、样本选择模型（Sample Selection Models）

• 背景与动机：介绍样本选择问题的背景，即当数据中存在未观测到的选择机制时，传统的回归模型可能会产生偏差。
• Heckman两步法：详细阐述Heckman（1979）提出的两步估计法（Heckit），该方法通过同时估计选择方程和结果方程来纠正样本选择偏差。
• 实例分析：通过具体实例展示Heckman两步法的应用，包括数据准备、模型设定、参数估计和结果解释。
  

六、Stata应用

• 命令与操作：详细介绍在Stata中进行受限被解释变量分析的命令和操作步骤，包括截断回归、归并回归、计数模型和样本选择模型的实现方法。
• 技巧与注意事项：提供在Stata应用过程中可能遇到的问题及其解决方法，以及提高模型估计效率和准确性的技巧。