[论文解读] Nonseparable Sample Selection Models with Censored Selection Rules

Iván Fernández‐Val, Aico van Vuuren+1 more|arXiv (Cornell University)|Jan 26, 2018

Economics of Agriculture and Food Markets被引用 2

一句话总结

本文针对选择规则被右删失的非可分样本选择模型，发展了识别与估计方法，采用控制函数方法识别条件于控制函数的局部效应，并通过积分获得全局效应。研究提出了半参数估计量及其渐近理论，表明与二值选择相比，删失选择规则可缩小全局效应的边界，从而在实证应用（如英国女性工资分析）中提供更具信息量的推断。

ABSTRACT

We consider identification and estimation of nonseparable sample selection models with censored selection rules. We employ a control function approach and discuss different objects of interest based on (1) local effects conditional on the control function, and (2) global effects obtained from integration over ranges of values of the control function. We derive the conditions for the identification of these different objects and suggest strategies for estimation. Moreover, we provide the associated asymptotic theory. These strategies are illustrated in an empirical investigation of the determinants of female wages in the United Kingdom.

研究动机与目标

• 解决当选择规则为删失（例如工作时长而非二值工作状态）时，非可分样本选择模型的识别与估计问题。
• 基于分布回归、最小二乘法/分位数回归与控制函数整合，开发三步估计程序。
• 在较弱的支持假设下，识别并估计条件于控制函数的局部效应（局部效应）与对控制函数分布积分的全局效应（全局效应）。
• 在半参数设定下为估计量提供渐近理论，避免高维非参数“维数灾难”。
• 展示删失选择规则相比二值规则在缩小全局效应边界方面的优势，从而提升实证推断的精确性。

提出的方法

• 利用选择方程误差结构导出的控制函数方法，校正样本选择偏差。
• 第一步使用分布回归估计控制函数，以捕捉影响选择的不可观测异质性。
• 第二步应用最小二乘法、分位数回归或分布回归，基于估计的控制函数建模结果方程。
• 通过在控制函数特定取值下评估结果模型，估计局部效应，实现在全人群中的识别。
• 通过在被选群体中控制函数分布上对条件效应进行积分，估计全局效应。
• 提供仅依赖于支持域内正确设定的全局效应边界，减少对外推的依赖。

实验结果

研究问题

• RQ1 在具有删失选择规则的非可分样本选择模型中，能否非参数地识别条件于控制函数的局部效应？
• RQ2 在何种条件下可识别全局效应？支持假设如何影响其识别？
• RQ3 与二值选择规则相比，删失选择规则下全局效应的边界有何差异？使用删失规则的实证优势是什么？
• RQ4 在考虑通过删失工作时长选择劳动力市场参与的情况下，教育与经验对英国女性工资的影响如何？
• RQ5 教育与经验的回报在不同出生队列与教育水平间如何变化？选择机制在其中扮演何种角色？

主要发现

• 由于控制函数后满足条件独立性，条件于控制函数的局部效应可对全人群非参数识别，而不仅限于被选群体。
• 当使用“对处理组”的效应时，全局效应可在更弱的假设下被识别，其稳健性优于全人群全局效应。
• 使用删失选择规则相比二值规则可缩小全局效应的边界宽度，提升推断精度。
• 实证结果表明，尽管女性劳动力参与率上升，但教育回报在时间上无显著变化；然而，1990年代经验回报显著上升。
• 教育对工资的边际影响在工资分布的第一四分位点最大，且在不同教育群体间存在差异，高学历女性在职业生涯早期呈现更陡峭的工资增长。
• 工资增长在40岁后放缓，55岁后可能下降，尤其在最高学历群体中，表明后期可能存在经验回报递减或为负。