Tobit模型非參數和半參數估計方法研究及套用

《Tobit模型非參數和半參數估計方法研究及套用》是依託中山大學，由周先波擔任項目負責人的面上項目。

基本介紹

• 中文名：Tobit模型非參數和半參數估計方法研究及套用
• 項目類別：面上項目
• 項目負責人：周先波
• 依託單位：中山大學

中文摘要

減少單變數Tobit模型設定偏誤，得到一致和漸近正態的、且具有較好小樣本表現的估計量是微觀計量經濟學方法論研究的前沿領域；雙變數Tobit模型一直缺乏計算上可行的、至少滿足一致性的估計量。目前文獻中已有的估計量存在一些缺陷。為此，本項目：(1)將基於受限因變數條件生存函式，構造單變數Tobit模型非參數或半參數估計量，與前人構造的估計量相比，對誤差項具有較弱約束限制，但有較好的小樣本表現。(2)構造雙變數Tobit模型一致的漸近正態的半參數估計量，得到該模型的一個可行性估計，克服最大似然估計和Amemiya估計量的缺陷。(3) 套用：我國農村面臨村莊空心化和村民老年化的威脅，農村老年人的福利狀況應受到特別關注。考慮到老人勞動供給時間數據的特徵和個體自選擇問題導致的樣本選擇偏倚，本項目運用理論部分半參數或非參數方法，估計中國農村老人勞動供給模型，以達到對老年人勞動供給行為更準確和科學的分析。

結題摘要

本項目探討Tobit模型的半參數和非參數估計方法，並將之套用於中國農村老年人的勞動供給研究，項目取得預期成果。具體總結如下：第一，文獻中對受限因變數模型估計方法的研究大多基於受限因變數的條件數學期望，而且估計量僅使用了關於依賴變數分布的有限條件矩性質。這種估計量的小樣本表現易受擾動項厚尾分布的影響，在套用中受到很大的限制。本項目分別基於截斷和歸併數據受限因變數的條件生存函式，充分套用受限因變數數據的信息，構造截斷和歸併數據Tobit模型一種新的一致和漸近正態半參數估計量。通過計算機模擬發現，在同類的半參數估計量中，我們構造的半參數估計量的小樣本表現優於基於條件數學期望所構造的估計量。第二，雙變數Tobit模型是一類非常重要的微觀計量模型，其最大似然估計量和Amemiya估計量都是假定擾動項服從聯立常態分配得到的，它們都具有很大的缺陷。到目前為止，雙變數Tobit模型缺乏計算上可行的、至少滿足一致性的估計量。本項目利用兩個受限因變數聯立生存函式所滿足的性質，得到雙變數Tobit模型的一種半參數估計量。模擬表明我們所構造的估計量具有良好的小樣本表現。第三，文獻中對歸併數據模型和樣本選擇模型的非參數估計研究分別有Lewbel and Linton (2002)和Das, Newey and Vella (2003)，但估計方法都是基於受限因變數的條件數學期望，其小樣本表現受擾動項的尾部性質影響。本項目基於受限因變數的條件生存函式，得到模型中回歸函式所滿足的一個平移關係式，由此出發構造非參數函式的一致性和漸近正態估計量，且由計算機模擬知，其小樣本表現優於基於條件數學期望所構造的非參數估計量。第四，較早期文獻研究提出，中國改革開放前後到上世紀90年代末，中國農村存在老年人 “無休止勞動”現象。本項目基於中國營養與健康調查1990和2000年代混合數據，套用Tobit模型和Probit模型的估計，分解老年人年齡對其勞動供給時間的總影響，得到年齡通過健康渠道對老年人勞動供給時間的影響效應。結果發現，健康對老年人勞動供給時間有顯著的邊際影響，但即使到新世紀新的歷史階段，中國農村仍然存在老年人“無休止勞動”現象。