Page 191 - 4512

M (y g  1) x b M T  (u u   z T ) b 
 T )
(z b
 x b  u   (z b )  x b   u  (z b ),
T
T
T
T

де (z b T ) - так звана "лямбда Хекмана".
Оцінка моделі Хекмана проводиться також методом мак-
симальної вірогідності, проте у зв'язку з нестандартністю даної
задачі часто застосовують спрощену двокрокову процедуру
оцінювання, запропоновану Хекманом. На першому кроці оці-
нюється модель бінарного вибору і визначаються параметри
цієї моделі. На основі цих параметрів можна визначити для ко-
жного спостереження лямбду Хекмана. На другому кроці зви-
чайним МНК оцінюється регресія:

y  x b     u t  t .
T
t
t

Отримані оцінки є неефективними, але цілком можуть
бути використані як початкові значення в методі максимальної
вірогідності.

13.9 Переривчасті і кусочно-лінійні регресійні моделі

Переривчаста лінійна регресія (Breakpoint regression)
Переривчаста модель допускає стрибок значення в точці
(x c ):

y  b  bx (x c ) b  b x (x c ). (13.23)
3
2
0
1

Нелінійне оцінювання в модулі Nonlinear Estimation
включає модель Breakpoint regression. Проте, на відміну від мо-
делі, показаної вище, цей вибір відповідатиме різним регресій-
ним моделям для різних діапазонів залежної змінної y.

190