分解的方法操作起来比较复杂，但总结起来是两个步骤：
第一个步骤：基于回归分析的分解
首先建立方程Y=a+Xb+c，其中a是常数项，b是解释变量的系数，c是误差（方程的建立因人而异，这个方程是万的观点，之前还有Morduch（2002），他把常数项去掉了，其实这个没什么大的差别）
回归之后，我们可以计算得到Y1=a+Xb，Y2=Xb，
那么误差项对不平等的贡献就为：CO(c)=I(Y)-I(Y1)，常数项为CO(a)=I(Y1)-I(Y2)，其他解释变量就为CO(X)=I(Y2)，其中I指标的选取可以根据你的意愿，可以选择基尼系数、赛尔指数等
最后就可以得到三者的贡献率分别为CO(a)/I(Y),CO(c)/I(Y)，CO(X)/I(Y)
第二步：计算shapley值，这个就比较简单，用stata
先安装rego这个命令
. net from
http://www.uni-leipzig.de/~rego/
. net install rego
安装完毕之后就可以用这个命令了，可以参考
www.uni-leipzig.de/~rego
用rego回归Y=a+Xb+c，就可以得到各个被解释变量的Shapley值了，具体可以参考《Stata module for decomposing goodness of fit according to Shapley and Owen values》（在google里直接搜索就可以）
然后再将CO(X)/I(Y)乘以各个变量的Shapley值，就可以得到各个被解释变量的贡献度
通过上述方法就可以做出来很多漂亮的论文，记得给我加威望
我之前主要是搞这个的，奈何搞了一篇很好的论文，投了几个杂志都不要，灰心了，现在转行搞计算了，就将这个不是秘密的秘密告诉你吧，希望你能搞出好文章来
扫码加好友，拉您进群
全部版块
我的主页
收藏
