Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Для описания зависимости цензурированной переменной yt от влияющих на нее факторов обычно используется так называемая tobit - модель.
Tobit - модель исходит из того, что цензурированная переменная yt описывается следующим выражением:
yt = a ¢× x t + et. (10.159)
где yt – наблюдаемые значения зависимой переменной (например, либо фактические расходы на отдых за границей, либо 0); x t – вектор независимых переменных, влияющих на зависимую переменную yt, a – вектор параметров; et – ошибка модели.
Далее tobit - модель предполагает, что цензурированным значениям yt (т. е. yt =0; b =0 – точка цензурирования) соответствует неположительное произведение a ¢× x t (a ¢× x t £0); а нецензурированным значениям yt – положительное (a ¢× x t >0).
Из выражения (10.159) следует, что условное математическое ожидание переменной уt по факторам x t определяется как
M [ уt ]= a ¢× x t. (10.160)
Математическое ожидание уt с учетом цензурирования (т. е. M [ уt цен]) для точки цензурирования b =0 определяются следующим образом (см. выражение (10.154)):
где
В соответствии с выражением (10.160) маржинальные эффекты факторов x t для математического ожидания переменной уt (без учета цензурирования) определяются как
В соответствии с выражением (10.161) маржинальные эффекты факторов x t для математического ожидания переменной уt с учетом цензурирования могут быть представлены в следующем виде:
Заметим, что tobit -модель предполагает, что изменение факторов x t приводит к тому, что вероятность P (yt >0) и математическое ожидание М (yt | yt >0) обязательно меняются в одинаковом направлении. Действительно, согласно выражению (10.156) вероятность того, что уt >0 определяется как
P (уt >0) =P (a ¢× x t >0)=F(a ¢× x t / s). (10.165)
Соответственно маржинальный эффект факторов x t для вероятности P (уt >0) может быть представлен в следующем виде:
¶ P (yt >0)/¶ х t = j (a ¢× x t)× a. (10.166)
Если коэффициент ai положителен, то согласно выражениям (10.164) и (10.166) с увеличением фактора хit (i =1,2,..., n; t =1,2,..., T) увеличивается как математическое ожидание М (yt | yt >0), так и вероятность P (yt >0), и, наоборот, при отрицательном ai с ростом фактора хit эти показатели уменьшаются.
Вместе с тем заметим, что эффект одновременного увеличения математического ожидания и вероятности при увеличении некоторого независимого фактора хi на практике может и не иметь место. В частности, как показали Фин и Шмидт (Fin and Schmidt, 1984), независимая переменная хi, увеличивающая вероятность нецензурированного наблюдения (P (yt >0)), не всегда увеличивает и математическое ожидание переменной (М (yt | yt >0)). В качестве примера они приводят потери от пожаров в зданиях. Вероятность возникновения пожара в старом здании выше, следовательно ¶ P (yt >0)/¶ хit >0 (хit – возраст t -го здания), но так как старое здание стоит дешевле, то и пожар в нем приносит меньше убытков, т. е. ¶ М (yt | yt >0)/¶ хit <0. Таким образом, в данной задаче предполагается, что коэффициент ai при факторе “возраст здания” имеет разные знаки в функциях вероятности и математического ожидания. В рамках tobit -модели это учесть невозможно.
Для описания процессов, в рамках которых предположение об одинаковом характере маржинального эффекта математического ожидания и вероятности не выполняется, была предложена более общая модель, являющаяся сочетанием одномерной probit -модели и усеченной регрессии (для нецензурированных значений зависимой переменной).
На основе probit -модели определяется вероятность нецензурированного (или цензурированного) наблюдения при данном наборе факторов x t.
P [ уt >0]=F(g ¢ x t); zt =1,
P [ уt =0]=1–F(g ¢ x t); zt =0, (10.167)
где F(g ¢ x t) – интегральная функция закона нормального распределения, определяющая вероятность нецензурированного наблюдения; g – вектор параметров модели, zt – переменная-индикатор, принимающая значение 1 для нецензурированного наблюдения и значение 0 – для цензурированного.
Далее на основе модели усеченной регрессии определяется математическое ожидание нецензурированного наблюдения. В соответствии с выражением (10.150) математическое ожидание нецензурированной переменной может быть представлено в следующем виде:
M [ уt | zt =1]= a ¢ x t + s × lt. (10.168)
Заметим, что если g = a / s, то модель (10.167)–(10.168) сводится к tobit -модели.
Дата публикования: 2014-10-25; Прочитано: 1233 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!