Stata学习:如何构建内生转换回归模型 ESR?

发布网友发布时间：2024-10-14 08:44

共1个回答

热心网友时间：2024-12-05 03:05

安装包。如遇运行报错，可尝试使用h mspredict查找不同版本的movestay进行安装。

ESR（内生转换回归）方法用于研究选择决策的影响，同时考虑可观察性和不可观察性因素。此方法适用于分析内生性、样本选择与结果方程中其他协变量之间的交互作用。ESR估计了处理效果的平均值，与PSM（倾向得分匹配）方法相比较。

ESR模型包含两个回归方程，分别对应不同制度下结果变量的测量（Y1i和Y0i）。假设误差项εi、η1i和η0i具有三元正态分布，均值为零，方差为常数。为纠正由于遗漏变量导致的参数β1和β0的偏差，引入反向米尔斯比λ1i和λ0i，并将其纳入相应的结果方程。

采用全信息最大似然法估计选择方程和结果方程的参数。通过参数估计计算两个预期结果：非固体燃料用户预期健康结果与固体燃料用户在反事实情景中的预期健康结果。

研究异质性通过将结果*到特定子集进行分析。

在应用ESR模型时，作者进行了F统计量检验，发现工具变量强度联合检验结果显著（F统计量为2237.94，p值< 0.001），表明工具变量具有足够强度。使用两阶段线性平方估计，ADL和IADL的Hansen-J统计量表明，选择的工具变量除了影响烹饪燃料选择外，不会通过其他渠道显著影响健康状态。

冯志坚和莫旋（2019）基于2016年全国流动人口动态调查数据，运用ESR模型，校正了样本选择偏差与劳动供给决定的异质性，实证研究了养老保险对乡城流动人口劳动供给的影响。构建户籍身份为农民的乡城流动人口参加养老保险的选择模型。

通过极大似然估计方法，导入数据后运行相应代码，得到内生转换回归模型的估计结果。计算ATT（处理者劳动供给平均处理效应）、ATU（非处理者劳动供给平均处理效应）与ATE（所有人的平均处理效应）。

至此，完成ESR模型的安装、应用、结果计算与解释，为分析选择决策与结果变量提供了一种有效方法。