Stata 和 R 之间 Heckman 2 阶段模型的不同结果

Question

我正在开展一个项目，该项目需要我运行 Heckman 2 阶段模型，这对我来说很新，在两个阶段都使用 probit。作为一项经验检查，我在 Stata 和 R 中运行了模型。我正在运行带有“sampleSelection”包的 Stata 13 和 R v. 3.2.3。问题是我得到了不同的结果，我认为这是因为我对代码背后的算法缺乏了解。也许我缺少论点。我知道的一件事是 R 正在为第二阶段而不是概率运行一个 Tobit 模型。我想知道是否有人可能对如何让 R 在两个阶段都使用概率方法来运行 2 阶段模型有所了解。下面我先包含了 Stata 代码和结果，然后是 R 代码和结果。

状态码

heckprob  ivburden  isingle recuse50 infobk2 timesurv inh icp itime igate ioth, 
select(iw5rsp= i201 isingle icatmpgte7 ichgfrwv inh icp itime igate     ioth)  vce(robust)

R 代码

library(sampleSelection)
heckit(selection = iw5rsp ~ i201 + isingle + icatmpgte7 + ichgfrwv + 
              inh + icp + itime + igate + ioth, 
          outcome = ivburden ~ isingle + recuse50 + infobk50 + timesurv + 
              inh + icp + itime + igate + ioth, data = dat, 
          method = "2step")

任何建议将不胜感激。

Answer 1

您提供的 R 代码将给出与 Stata 的 heckman 命令相同的结果：即，

heckman ivburden isingle recuse50 infobk2 timesurv inh icp itime igate ioth, select(iw5rsp= i201 isingle icatmpgte7 ichgfrwv inh icp itime igate ioth)

查看这一点的一种方法是，输出在底部为您提供了“sigma”的估计值。您要估计的模型中没有“sigma”。

对于 R 中的 sampleSelection 包来估计具有样本选择的二元概率模型，即 heckprob，您首先需要指定结果方程的因变量是一个因子。这是修复：

library(sampleSelection)
ivburdenF <- factor(ivburden)
heckit(selection = iw5rsp ~ i201 + isingle + icatmpgte7 + ichgfrwv + 
              inh + icp + itime + igate + ioth, 
          outcome = ivburdenF ~ isingle + recuse50 + infobk50 + timesurv + 
              inh + icp + itime + igate + ioth, data = dat)

最后要提到的是，对于带有概率方程的 Heckman 式选择模型，不应使用“2 步”估计器作为结果。

上面的 R 语法和 Stata 的 heckprob 的结果应该只是由于舍入而不同（假设两种最大化方法都实现了收敛）。

Answer 2

如果有人正在寻找一个示例，说明如何使用来自 sampleSelection package（由 Arne Henningsen 和 Ott Toomet 编写）的 R 的 heckit 函数重现 Stata 的 heckprob（heckprobit 的别名）的结果，这是Example 1 from [R] heckprobit的翻译：

library(sampleSelection)
library(readstata13)
library(tidyverse)

df_school = read.dta13("http://www.stata-press.com/data/r13/school.dta") %>% 
  as_data_frame() %>% 
  mutate_at(
    c("vote", "private"), as.factor
  )

heck_school_1 = heckit(
  selection = vote ~ years + loginc + logptax,
  outcome = private ~ years + logptax ,
  data = df_school,
  method = "ml"
)

summary(heck_school_1)

这应该给出相同的结果：

use http://www.stata-press.com/data/r13/school
heckprob private years logptax, select(vote=years loginc logptax)

注意需要将结果变量转换为factor，并在拟合模型时使用method = "ml"。

Answer 3

“看来这个包可能只是不能做我需要它做的事情” - 你想做什么？当你说你想要一个概率概率模型时，你的意思是你试图用一个因变量是二元（二元概率）的结果方程来估计一个赫克曼风格的模型吗？规范的 heckit 模型在结果阶段使用 OLS，这就是 heckman 函数所做的（与您使用的 heckprob 不同）。问题是 R 的 sampleSelection 包使用了一个等效于“heckman”而不是“heckprob”的函数。您需要的是 R 等价物。我其实不熟悉一个。我使用专门为此任务编写的函数。代码见此链接：http://dynaman.net/R/HeckmanProbit.R

(与所有这些无关，估计方法也可以切换。对于R模型，您可以将其更改为method='ml'或method='2step'，因此在比较stata时您可能需要记住这一点和 R)。

Answer 4

这是一个我错过的简单解决方案，因为我没有注意到我没有将因变量表示为不等式。在我在这里发布的代码中，您可以看到没有不等号。我仔细查看了这里的文档和示例：https://r-forge.r-project.org/forum/forum.php?thread_id=31866&forum_id=844&group_id=256（Arne Hennigsen 指出了我，他是“sampleSelection”包的作者之一……非常感谢 Arne）

我注意到这段代码的表达式中使用了不等式，在我自己的代码中实现之后，Stata 和 R 之间的匹配结果存在轻微的舍入不一致。