编译：李琼琼 (山东大学)
Stata 连享会： 知乎 | 简书 | 码云 | CSDN
连享会-知乎推文列表
Note: 助教招聘信息请进入「课程主页」查看。
因果推断-内生性 专题 ⌚ 2020.11.12-15
主讲：王存同 (中央财经大学)；司继春(上海对外经贸大学) 课程主页： https://gitee.com/arlionn/YG | 微信版
空间计量 专题 ⌚ 2020.12.10-13
主讲：杨海生 (中山大学)；范巧 (兰州大学) 课程主页： https://gitee.com/arlionn/SP | 微信版
连享会 最新专题 直播
目录
- 背景介绍
- 1. 双栏模型 (Double-hurdle model) 介绍
- 1.1 Tobit 模型
- 1.2 Double - hurdle 模型
- 1.3 用图形解释 double hurdle 模型
- 1.4 Double - hurdle 模型的特殊形式
- 2. 模型的 Stata 实现
- 2.1 dhreg 命令介绍
- 2.2 基于模拟分析的范例
- 2.3 模型估计
- 3. 面板双栏模型 (Panel-hurdle model)
- 3.1 面板双栏模型基本原理
- 3.2 面板双栏模型的 Stata 实现
- 3.3 基于模拟分析的范例
- 参考文献
- 关于我们
本文主要翻译自如下论文，并进行了适当的补充和调整. Source： Engel C, Moffatt P G. Dhreg, xtdhreg, and bootdhreg: Commands to implement double-hurdle regression[J]. Stata Journal, 2014, 14(4):778-797. [PDF]
背景介绍
双栏模型 (Double-hurdle model) 是由 Cragg (1971) 提出的：对于一个活动的参与，个体决策是由两部分组成的。第一个门槛 (hurdle), 决定个体是否是零类型；第二个门槛 (hurdle) 是在第一个阶段是非零的条件下，决定个体对活动的参与程度。这个模型的关键特征是这里有两种类型的零观测值，一种是无周围的环境如何变化他的选择都是零，另一种是他可以有非零选择但是目前的环境导致他选择零，后者也被称为归并零 (Tobin,1958) 。因此，双栏模型除了包括自然的零类型外，还允许零的概率由观测值的个体决定的。本质上，Double-hurdle 模型 是 Tobit 模型的延续。本文主要分三部分内容进行介绍：
- 1 双栏模型介绍
- 2 模型的实现
- 3 面板双栏模型
1. 双栏模型 (Double-hurdle model) 介绍
介绍双栏模型最自然的开始是先介绍 Tobit 模型，再来引入双栏模型。
1.1 Tobit 模型
Tobit 模型又被称为归并回归模型 (censored regression model)， 根据 limit 的设置分为左归并 (lower censoring) 和右归并 (upper censoring)，左归并指事先设置一个最小值 A，当被解释变量低于这个值时则自动等于 A。 如果最低的 limit 为 0 时，被称为零归并 (zero censoring)。
上面的公式中潜变量
这里以零归并举例，采用对数似然函数，估计模型如下：
其中
1.2 Double - hurdle 模型
Double - hurdle 模型有两个阶段，这两个阶段分别采用 probit 估计和 tobit 估计：
在第一个阶段 (hurdle)，被解释变量 (
在第二个阶段 (hurdle), 被解释变量
上式中，双栏模型的第二个阶段给
若双栏模型是 upper hurdle 型，即第二个阶段设置一个最大值
1.3 用图形解释 double hurdle 模型
上图中的的同心圆是
1.4 Double - hurdle 模型的特殊形式
如果模型第一阶段，只有截距而没有解释变量，
将
连享会 最新专题 直播
2. 模型的 Stata 实现
2.1 dhreg 命令介绍
我们可以使用 dhreg 命令来实现双栏模型的估计。在 Stata 命令窗口中输入 help dhreg 命令即可查看其完整帮助文件。dhreg 命令的基本语法为：
dhreg depvar indepvars [if] [in] [, up ptobit hd(varlist) millr]各项的含义如下：
depvar: 表示被解释变量，即最终的可观测的indepvars：表示关键的解释变量，即决定(潜变量) 的解释变量
up： 将模型设置为右归并，并且设置最大值（默认为左归并）
ptobit： 将双栏模型设置为 p-tobit 模型hd(varlist): 表示第一栏中决定的解释变量
millr： 用逆米尔斯比率来控制扰动项的相关性
2.2 基于模拟分析的范例
我们通过模拟生成的数据来对 dhreg 命令的使用进行介绍，下面是数据生成的过程 (DGP)：
上面第一个公式生成的潜变量
clear all
set obs 1000
set seed 123 // 设置种子，为了使每次重复模拟过程的结果相同
gen z_i = uniform() // z_i 服从（0,1)均匀分布
set seed 1234
gen x_i = uniform()
set obs 1000
set seed 12345
gen e_i2 = invnormal(uniform()) // e_i2 服从标准正态分布
set seed 12435
gen n_i = invnormal(uniform())
gen e_i1 = 0.5*e_i2 + sqrt(1-0.5*0.5)*n_i
gen d_i = 0
replace d_i = 1 if -2 + 4*z_i + e_i1 > 0
gen y_i2 = 0.5 + 0.3*x_i + e_i2
gen y_i1 = 0
replace y_i1 = y_i2 if y_i2 > 0
gen y_i = d_i*y_i1
save data_process1.dta, replace // 保存一份模拟数据数据效果如下：
use "data_process1.dta", clear
hist y_i if d_i == 1,title(Conditional on passing first hurdle) scheme(sj)
graph save y_i_1.gph, replace
hist y_i ,title(All Data) scheme(sj)
graph save y_i_2.gph, replace
gr combine y_i_1.gph y_i_2.gph
graph save y_i.png, replace
从左图可以看出有很多观测值通过了第一栏(即
2.3 模型估计
我们先进行传统的 tobit 估计, 再使用 dhreg 进行估计，然后对这两种估计结果进行比较。
. use "data_process1.dta", clear
. tobit y_i x_i, ll(0)
Tobit regression Number of obs = 1,000
Uncensored = 413
Limits: lower = 0 Left-censored = 587
upper = +inf Right-censored = 0
LR chi2(1) = 3.49
Prob > chi2 = 0.0619
Log likelihood = -1129.3849 Pseudo R2 = 0.0015
------------------------------------------------------------------------------
y_i | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
x_i | .3617779 .1939403 1.87 0.062 -.0187992 .7423551
_cons | -.4709888 .1194536 -3.94 0.000 -.7053975 -.2365801
-------------+----------------------------------------------------------------
var(e.y_i)| 2.40666 .191884 2.058097 2.814257
------------------------------------------------------------------------------接着是进行 dhreg 估计：
dhreg y_i x_i, hd(z_i)
(output omitted)
maximum likelihood estimates of double hurdle model
N = 1000
log likelihood = -984.07209
chi square hurdle equation = 67.264411
p hurdle equation = 2.374e-16
chi square above equation = 4.8518223
p above equation = .02761694
chi square overall = 69.895304
p overall = 6.644e-16
--------------------------------------------------------------------------------
| coef se z p lower CI upper CI
-------------+------------------------------------------------------------------
hurdle |
z_i | 3.644556 .4443773 8.201488 2.22e-16 2.773592 4.515519
_cons | -1.727589 .1522467 -11.3473 7.65e-30 -2.025987 -1.429191
above |
x_i | .416768 .189209 2.202685 .0276169 .0459251 .7876109
_cons | .5702333 .1428997 3.990444 .0000659 .290155 .8503115
sigma |
_cons | 1.053116 .0643765 16.35869 0 .9269402 1.179292
--------------------------------------------------------------------------------Tobit 模型估计
[注：我们尝试通过设置不同的种子，生成不同的随机数，发现 double hurdle 模型对
3. 面板双栏模型 (Panel-hurdle model)
3.1 面板双栏模型基本原理
Dong and Kaiser (2008) 将双栏模型发展成面板双栏模型，并使用这个模型对家庭牛奶消费做实证分析。Dong 假设并验证了家庭牛奶消费总的来说由非经济因素和经济因素决定，非经济因素包括户主年龄、教育、种族背景等，经济因素包括收入、牛奶的价格等。在一定的时间内，非经济因素一般不会发生改变，并且在家庭是否产生购买牛奶的行为中起决定性作用。
- 第一阶段 (first hurdle)
- 第二阶段 (second hurdle)
- 最终观测值
在第一个阶段中，
- 似然函数模型
样本最终的似然对数函数为：
3.2 面板双栏模型的 Stata 实现
Stata 中用 xtdhreg 和 boothreg 命令对面板数据进行双栏模型的估计。首先在 Stata 命令窗口中输入 help xtdhreg 命令即可查看其完整帮助文件。xtdhreg 命令的基本语法为：
xtdhreg depvar indepvars [if] [in] [, up ptobit hd(varlist) uncorr trace ///
difficult constraints(numlist)]各项的含义如下：
depvar: 表示被解释变量，即最终的可观测的indepvars： 表示关键的解释变量，即决定(潜变量) 的解释变量
up： 将模型设置为右归并，并且设置最大值（默认为左归并）
ptobit： 将双栏模型设置为 p-tobit 模型hd(varlist): 表示第一栏中决定的解释变量
millr： 用逆米尔斯比率来控制扰动项的相关性uncorr： 表示第一栏和第二栏中的扰动项不相关trace： 显示每一次迭代的系数difficult： 当模型不收敛时，换用其他替代的算法constraints(numlist)： 允许对模型进行限制
在 Stata 命令窗口中输入 help boothreg 命令即可查看其完整帮助文件。boothreg 命令的基本语法为：
bootreg depvar indepvars [if] [in] [, up ptobit hd(varlist) millr ///
margins(string) seed(integer) reps(integer) strata(varlist) cluster(varlist) ///
capt maxiter(integer)]各项的含义如下：
depvar: 表示被解释变量，即最终的可观测的indepvars：表示关键的解释变量，即决定(潜变量) 的解释变量
up： 将模型设置为右归并，并且设置最大值（默认为左归并）
ptobit： 将双栏模型设置为 p-tobit 模型hd(varlist): 表示第一栏中决定的解释变量
millr： 用逆米尔斯比率来控制扰动项的相关性margins(string)： bootstrep 估计的边际效应seed(integer)： 设置种子，为了使结果可重复reps(integer)： boostrap 重复的次数，默认是 50 次strata(varlist)： 进行分层抽样capt： 自动忽略不收敛的情况maxiter(integer)： 设置迭代的最多次数，默认为 50
3.3 基于模拟分析的范例
本小节我们先模拟生成面板数据，然后再利用生成的数据进行模型估计。
- 数据生成过程 (DPG)
面板数据的个体为
clear all
set obs 2000
set seed 10011979
gen z_i = uniform()
set seed 1111122
gen u_i = rnormal(0, 3)
set seed 1222222
gen n_i = rnormal(0,3)
gen e_i1 = 0.9*u_i + sqrt(1-0.9^2)*n_i
/* 面板数据生成过程 */
gen d_i = 0
replace d_i = 1 if -2 + 4*z_i + e_i1 > 0
gen id = _n
expand 5 // 将 T 设置为 5 期
bys id: gen t = _n
xtset id t
bysort id (t): gen x_it = rnormal(0,1) + rnormal(0,1) if _n==1
bysort id (t): replace x_it = .8 * x_it[_n-1] + rnormal(0,1) if _n!=1
gen e_i2 = rnormal(0,1)
gen y_it2 = 0.5 + 0.3*x_it + u_i + e_i2
corr e_i2 u_i // 检查e_i2和u_i的相关性
gen y_it1 = 0
replace y_it1 = y_it2 if y_it2 > 0
gen y_it = y_it1*d_i
save data_process2.dta, replace //保存模拟数据- 模型估计 用
xtdhreg命令进行双栏估计的结果如下：
use data_process2.dta, clear
help mdraws // 进行 xtdhreg 估计前，需要装`mdraws`包
xtdhreg y_it x_it, hd(z_i)
(output omitted)
Number of obs = 10,000
Wald chi2(1) = 46.82
Log likelihood = -9013.4217 Prob > chi2 = 0.0000
------------------------------------------------------------------------------
Coef. Std. Err. z P>|z| [95% Conf. Interval]
----------------+-------------------------------------------------------------
hurdle
z_i | .6908215 .1009566 6.84 0.000 .4929501 .8886929
_cons | -.2702063 .0611108 -4.42 0.000 -.3899812 -.1504313
----------------+-------------------------------------------------------------
above
x_it | .2971716 .0162833 18.25 0.000 .2652569 .3290863
_cons | 3.887898 .1050517 37.01 0.000 3.682001 4.093796
----------------+-------------------------------------------------------------
sigma_u
_cons | 3.249278 .0942043 34.49 0.000 3.064641 3.433915
----------------+-------------------------------------------------------------
sigma_e
_cons | .9920639 .012312 80.58 0.000 .9679329 1.016195
----------------+-------------------------------------------------------------
transformed_rho
_cons | -.9211924 .0730788 -12.61 0.000 -1.064424 -.7779606
------------------------------------------------------------------------------
rho: tanh([transformed_rho]_cons)
------------------------------------------------------------------------------
| Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
rho | -.726461 .0345118 -21.05 0.000 -.7941029 -.6588192
------------------------------------------------------------------------------
separate Wald tests for joint significance of all explanatory variables
note
if you use factor variables, i.e. the i., c., # and ## notation, you must run
the Wald test by hand. For detail see help file
estimates of joint significance
chi square hurdle equation = 46.823275
p hurdle equation = 7.769e-12
chi square above equation = 333.06554
p above equation = 2.066e-74
chi square overall = 376.42223
p overall = 1.824e-82用 bootdreg 命令进行双栏模型估计结果如下：
bootdhreg y_it x_it, hd(z_i) cluster(id) capt
(output omitted)
maximum likelihood estimates of double hurdle model
N = 10000
log likelihood = -14962
chi square hurdle equation = 140.17438
p hurdle equation = 2.438e-32
chi square main equation = 140.17438
p main equation = 2.438e-32
chi square overall = 442.19897
p overall = 9.500e-97
bootstrap results
------------------------------------------------------------------------------
| coef se p lowciz upciz lowcip upcip
------------+-----------------------------------------------------------------
hurdle |
z_i | 1.002614 .122 0 .7634344 1.241794 .7598894 1.346414
_cons | -.4531903 .072 0 -.5948118 -.3115688 -.6363495 -.2646514
main | 0
x_it | .3388443 .052 0 .2370221 .4406664 .2289405 .4781399
_cons | 2.279919 .132 0 2.020481 2.539356 1.868922 2.511813
sigma |
_cons | 2.583072 .095 0 2.396594 2.76955 2.401081 2.808727
------------------------------------------------------------------------------从回归结果可以看出，xtdhreg 和 bootdhreg 对样本的
参考文献
- Bruno García, 2013, Implementation of a Double-Hurdle Model, Stata Journal, 13(4): 776–794. [pdf]
- Christoph Engel, Peter G. Moffatt, 2014, Dhreg, Xtdhreg, and Bootdhreg: Commands to Implement Double-Hurdle Regression, Stata Journal, 14(4): 778–797. [pdf]
- Dong, Diansheng, and H. M. Kaiser. Studying household purchasing and nonpurchasing behaviour for a frequently consumed commodity: two models[J]. Applied Economics, 2008, 40(15):1941-1951. [PDF]
- Engel C, Moffatt P G. Dhreg, xtdhreg, and bootdhreg: Commands to implement double-hurdle regression[J]. Stata Journal, 2014, 14(4):778-797. [PDF]
相关课程
连享会-直播课 上线了！ http://lianxh.duanshu.com 免费公开课：
- 直击面板数据模型 - 连玉君，时长：1 小时 40 分钟
- Stata 33 讲 - 连玉君, 每讲 15 分钟.
- 部分直播课 课程资料下载 (PPT，dofiles 等)
Note: 助教招聘信息请进入「课程主页」查看。
因果推断-内生性 专题 ⌚ 2020.11.12-15
主讲：王存同 (中央财经大学)；司继春(上海对外经贸大学) 课程主页： https://gitee.com/arlionn/YG | 微信版
空间计量 专题 ⌚ 2020.12.10-13
主讲：杨海生 (中山大学)；范巧 (兰州大学) 课程主页： https://gitee.com/arlionn/SP | 微信版
关于我们
- Stata 连享会 由中山大学连玉君老师团队创办，定期分享实证分析经验。直播间 有很多视频课程，可以随时观看。
- 连享会-主页 和 知乎专栏，300+ 推文，实证分析不再抓狂。
- 公众号推文分类：计量专题 | 分类推文 | 资源工具。推文分成 内生性 | 空间计量 | 时序面板 | 结果输出 | 交乘调节 五类，主流方法介绍一目了然：DID, RDD, IV, GMM, FE, Probit 等。
连享会小程序：扫一扫，看推文，看视频……
扫码加入连享会微信群，提问交流更方便
1373
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
