双栏模板图片标题无法居中_Stata: 双栏模型简介 (Doublehurdle model)

编译：李琼琼 (山东大学)
Stata 连享会： 知乎 | 简书 | 码云 | CSDN

连享会专题课程：DSGE模型及应用

连享会 DSGE 专题课程

---

目录

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  (最终无法直接被看到)代表个体  希望做出的贡献 (latent contribution)， 这个潜在贡献可以为负值，但是试验规则认为只要为负值最终的贡献都归为 0 (规则如下)：

这里以零归并举例，采用对数似然函数，估计模型如下：

其中  为示性函数，当下标所表示的条件正确时取值为 1，否则为 0。通过使  最大化来求出  和 。

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 () 是二元变量,由潜变量  决定。

在第二个阶段 (hurdle), 被解释变量  是零或者正数，非常像 Tobit 模型 (Ⅰ)。 双栏模型对数似然函数为：

上式中，双栏模型的第二个阶段给  设置了最小值 0 ，当然也可以将最小值设置为其他数 , 都被称为 lower hurdle。若最小值为 ， 对数似然函数的变为：

若双栏模型是 upper hurdle 型，即第二个阶段设置一个最大值 ， 所有超过  的值都等于 ，小于  的值则不改变，那么此时模型变为：

1.3 用图形解释 double hurdle 模型

在这里插入图片描述

上图中的的同心圆是  和  的联合分布，这个同心圆是以 ,  为中心并根据解释变量的变动进行移动。在第二、三象限，由于  小于 0，  一直为 0，表现为个体永远不会 contribute；在第四象限， 大于 0, 但是  小于 0， 所以  暂时为 0，会随着  变量的变动的而可能大于 0；在第一象限，  为正数，个体实际做了 contribution。

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，, 则对数似然函数变为：

将  ,此时模型就变成了 p-tobit 模型，即认为有一定比例  的样本可能会 contribute， 而永远不会 contribute 的样本占  的比例。p-tobit 模型最先由 (Deaton and Irish, 1984) 提出。

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