Cenzurowany model regresji

Modele regresji ocenzurowanej to klasa modeli , w których zmienna zależna jest cenzurowana powyżej lub poniżej pewnego progu. Powszechnie stosowanym opartym na prawdopodobieństwie w celu dostosowania do ocenzurowanej próbki jest model Tobita , ale opracowano również estymatory kwantylowe i nieparametryczne. Te i inne ocenzurowane modele regresji są często mylone z obciętymi modelami regresji . Modele regresji obciętej są używane w przypadku danych, w których brakuje całych obserwacji, przez co wartości zmiennych zależnych i niezależnych są nieznane. Modele regresji ocenzurowanej są używane do danych, w których nieznana jest tylko wartość zmiennej zależnej, podczas gdy wartości zmiennych niezależnych są nadal dostępne.

ekonometrii często pojawiają się ocenzurowane zmienne zależne . Typowym przykładem jest podaż pracy . Często dostępne są dane dotyczące godzin przepracowanych przez pracowników, a model podaży pracy szacuje związek między przepracowanymi godzinami a cechami pracowników, takimi jak wiek, wykształcenie i stan rodzinny. Jednak takie szacunki dokonane za pomocą regresji liniowej będą obciążone faktem, że dla osób bezrobotnych nie jest możliwe zaobserwowanie liczby godzin, które przepracowaliby, gdyby mieli zatrudnienie. Nadal znamy wiek, wykształcenie i status rodzinny dla tych obserwacji.

Zobacz też

• Regresja nieliniowa
• Regresja nieparametryczna
• Błąd próbkowania
• Obcięty model normalnej przeszkody

Dalsza lektura

•   Achen, Christopher H. (1986). „Quasi-eksperymenty z ocenzurowanymi danymi: dlaczego regresja i ważenie zawodzą”. Analiza statystyczna quasi-eksperymentów . Berkeley: University of California Press. s. 73–95. ISBN 0-520-04723-0 .
•   Maddala, GS (1983). „Ocenzurowane i obcięte modele regresji”. Ograniczone zależne i jakościowe zmienne w ekonometrii . Nowy Jork: Cambridge University Press. s. 149–196. ISBN 0-521-24143-X .