2.2 删除零值 2.3 其他转换 2.4 泊松模型 2.5 混合模型和 Heckman 校正 3. 迭代普通最小二乘法 4. 相关推文 相关课程 免费公开课 最新课程-直播课 关于我们 1. 背景对数线性和对数模型是实证研究中最常用的方法之一。对数线性回归在研究中被用于许多目的,例如: 参数估计值是一个弹性或一个半弹性; 对数可以使...
最流行的方案是在 YY 上加入正的常数 ΔΔ,使得对数转换 Yi^=Yi+Δ>0Yi^=Yi+Δ>0。 局限性:ΔΔ 的选择是随意的,可能会使估计值和标准误差任意偏离。此外,偏差的大小将取决于手头的数据。这表明添加最小的常数不一定是最“无害”的选择。加入常数项的对数模型如式 (1) 所示: log(Yi+Δ)...
另一种方法是依靠适用于非正值的类对数转换。最受欢迎的是 IHS 或相关的变换。它包括将转化为,并且使用 OLS 估计。如果基础模型写的是对数,那么这种转换可能会产生有偏差的估计。几乎所有的经济应用都将设置为 1,这样在大的值中就会趋向于。 这种转换主要是在应用对数函数之前,在响应变量上增加一个正的观察特定值...
另一种方法是依靠适用于非正值的类对数转换。最受欢迎的是 IHS 或相关的变换。它包括将转化为,并且使用 OLS 估计。如果基础模型写的是对数,那么这种转换可能会产生有偏差的估计。几乎所有的经济应用都将设置为 1,这样在大的值中就会趋向于。 这种转换主要是在应用对数函数之前,在响应变量上增加一个正的观察特定值...