Derivando la función de probabilidad para IV-probit


10

Entonces tengo un modelo binario donde es la variable latente no observada y la observada. determina y es mi instrumento. En resumen, el modelo es. Dado que los términos de error no son independientes, Hago uso de un modelo probit IV.y1y1{0,1}y2y1z2

y1=δ1z1+α1y2+u1y2=δ21z1+δ22z2+v2=zδ+v2y1=1[y>0]
(u1v2)N(0,[1ηητ2]).

Tengo problemas para derivar la función de probabilidad. Entiendo que puedo escribir uno de los términos de error como una función lineal del otro, entonces, y que deben usarse para imponer un CDF normal.

u1=ητ2v2+ξ,whereξN(0,1η2).

ξ

He buscado en el manual de Stata ( http://www.stata.com/manuals13/rivprobit.pdf ) IV-probit y sugieren utilizar la definición de la densidad condicional para derivar la función de probabilidad, pero realmente no úsalo (y sí, termino con el resultado incorrecto ...). Mi intento hasta ahora es,

f(y1,y2z)=f(y1y2,z)f(y2z)

L(y1)=i=1nPr(y1=0y2,z)1y1Pr(y1=1y2,z)y1=i=1nPr(y10)1y1(Pr(y1>0)f(y2z))y1[standardizing]=i=1nPr(ξ1η2δ1z1+α1y2+ητ2(y2z)1η2)1y1(Pr(ξ1η2<δ1z1+α1y2+ητ2(y2z)1η2)f(y2z))y1=[1Φ(w)]1yi[Φ(w)f(y2x)]y1
Como dije, no he usado la definición de la función de densidad articular como se indicó anteriormente. Además, termino con también f(y2z) elevado a y1 que parece estar equivocado. ¿Alguien puede darme una pista sobre cómo derivar la función de probabilidad (log-) correcta o dónde me equivoqué?

Respuestas:


6

Recuerde que para una variable normal bivariada la distribución condicional de dado es

(XY)N([μXμY],[σX2ρσXσYρσXσYσY2]),
YX
YXN(μY+ρσYXμXσX,σY[1ρ2]).

En el presente caso, tenemos que significa que donde (y este fue su primer error)

u1v2N(0+η1τ1v20τ,1[1(η1τ)2])=N(ητ2v2,1η2τ2),
u1=ητ2v2+ξ
ξN(0,1η2τ2).

Así podemos reescribir la primera ecuación

y1=δ1z1+α1y2+u1=δ1z1+α1y2+ητ2v2+ξ=δ1z1+α1y2+ητ2(y2zδ)+ξ.

Ahora, recuerde que la función de densidad de probabilidad condicional de dado es X=xY=y

fX(xy)=fXY(x,y)fY(y).

En el presente caso, tenemos que se puede reorganizar a su expresión

f1(y1y2,z)=f12(y1,y2z)f2(y2z),
f12(y1,y2z)=f1(y1y2,z)f2(y2z).

Luego, podemos escribir la probabilidad en función de las densidades de los dos shocks independientes : v1,ξ1

L(y1,y2z)=inf1(y1iy2i,zi)f2(y2izi)=inPr(y1i=1)y1iPr(y1i=0)1y1if2(y2izi)=inPr(y1i>0)y1iPr(y1i0)1y1if2(y2izi)=inPr(δ1z1i+α1y2i+ητ2(y2iziδ)+ξi>0)y1iPr(δ1z1i+α1y2i+ητ2(y2iziδ)+ξi0)1y1if2(y2izi)=inPr(ξi>[δ1z1i+α1y2i+ητ2(y2iziδ)])y1iPr(ξi[δ1z1i+α1y2i+ητ2(y2iziδ)])1y1if2(y2izi)=inPr(ξi01η2τ2>δ1z1i+α1y2i+ητ2(y2iziδ)+01η2τ2)y1iPr(ξi01η2τ2δ1z1i+α1y2i+ητ2(y2iziδ)+01η2τ2)1y1if2(y2izi)=inPr(ξi1η2τ2>wi)y1iPr(ξi1η2τ2wi)1y1if2(y2izi)=in[1Pr(ξi1η2τ2wi)]y1iPr(ξi1η2τ2wi)1y1if2(y2izi)=i[1Φ(wi)]y1iΦ(wi)1y1iφ(y2iziδτ)=inΦ(wi)y1i[1Φ(wi)]1y1iφ(y2iziδτ)=Φ(w)y1[1Φ(w)]1y1φ(y2zδτ)
donde y son la función de densidad acumulativa y la función de densidad de probabilidad de la distribución normal estándar.
wi=δ1z1i+α1y2i+ητ2(y2iziδ)1η2τ2.
Φ(z)φ(z)
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.