مشاهده پذیری جزئی در مدل‌های رگرسیونی گزینش شده

در بسیاری از مطالعات تجربی با مدل‌هایی مواجه هستیم که متغیر پاسخ به دلیل برخی از مکانیسم‌های گزینش، در دامنه‌ای از تغییراتش محدود شده است. این مدل‌ها در ادبیات آماری به مدل‌های رگرسیونی گزینش شده معروف هستند. در این مدل‌ها، استفاده از روش کمترین توان‌های دوم منجر به برآوردهای اریب و ناسازگار از پارامترهای جامعه خواهد شد. یک راه حل مناسب برای مدل‌بندی داده‌ای سانسوریده، ابتدا معرفی متغیری دو حالتی است که نشان دهنده‌ی گزینش شدن یا نشدن نمونه می‌باشد و سپس بر اساس یک مدل توام برای متغیر پاسخ و مکانیسم گزینش برآورد پارامترها به دست می‌آیند. در برخی موارد، نتیجه‌ی دودویی مشاهده شده مربوط به حالت‌های انتخاب یک متغیر دو حالتی نیست بلکه از نتیجه‌ی انتخاب توأم دو متغیر دو حالتی غیر قابل مشاهده به دست آمده است. تحت فرض‌های نرمال عادی، مدل‌های ارائه شده بر اساس این مشاهدات مدل‌های پروبیت یک متغیره منجر به استنباط نادرست از تأثیر مکانیسم گزینش می‌باشد. با در نظر گرفتن این مسئله، پارامترهای مدل رگرسیونی گزینش شده را برآورده کرده و در ادامه مسئله‌ی شناسایی پذیری را که می‌تواند باعث ناکارایی پارامترها شود، بررسی می‌کنیم.

کلیدواژه ها:

داده‌های سانسوریده ، شناسایی پذیری ، متغیر دو حالتی ، مدل پروبیت و مکانیزم گزینش