Propiedades de la probabilidad condicional estándar bivariada normal e implícita en el modelo de Roy


8

Perdón por el título largo, pero mi problema es bastante específico y difícil de explicar en un título.

Actualmente estoy aprendiendo sobre el Modelo Roy (análisis del efecto del tratamiento).

Hay un paso de derivación en mis diapositivas, que no entiendo.

Calculamos el resultado esperado con el tratamiento en el grupo de tratamiento (dummy D es tratamiento o no tratamiento). Esto está escrito como

E[Y1|D=1]

desde esto puede reescribirse como antes de que también dijimos, que si por lo que sigue:Y1=μ1+U1

E[Y1|D=1]=E[μ1+U1|D=1]=μ1+E[U1|D=1]
D=1Y1>Y0

Y1Y0>0 0

μ1+U1-(μ0 0-U0 0)>0 0

(μ1+U1)/ /σ-(μ0 0-U0 0)/ /σ>0 0

Z-ϵ>0 0

entonces sire=1ϵ<Z

Por lo tanto, se sostiene que

mi[Y1El |re=1]=μ1+mi[U1El |ϵ<Z]

Se sabe además que

[U1U0 0ϵ]=norte([0 00 00 0],[σ12σ10σ1ϵσ10σ0 02σ0 0ϵσ1ϵσ0 0ϵσϵ2])

por lo tanto se sigue:PAGS(re=1)=PAGS(ϵ<Z)=Φ(Z)

Así que ahora viene mi pregunta, dicen las diapositivas, que Y no entiendo por qué?

μ1-mi[U1El |ϵ<Z]=μ1-σ1ϵϕ(Z)Φ(Z)

Sé que si dos variables aleatorias siguen una distribución normal bivariada estándar:mi[tu1El |tu2)=ρtu2

entoncesmi[tu1El |tu2>C)=mi[ρtu2El |tu2>C]=ρmi[tu2El |tu2>C)=ρϕ(C)1-Φ(C)

Por lo tanto, ¿habría esperado un "más" y no un signo menos? Además, ¿por qué utilizamos la covarianza y no la correlación ? Entonces hubiera esperado algo comoσ1ϵρ

μ1-mi[U1El |ϵ<Z]=μ1+ρϕ(Z)Φ(Z)

Soy consciente del hecho de que si hago el truncamiento desde arriba, el convierte en .1-Φ(C)Φ(C)

Respuestas:


8

Primero, en el modelo Roy, está normalizado para ser por razones de identificación (cf Cameron y Trivedi: Microeconometría: métodos y aplicaciones). Mantendré esta normalización de aquí en adelante. Para responder a su pregunta, primero. Aquí y son el pdf y el cdf de una distribución normal estándar, respectivamente. Tenga en cuenta que por la ley de la expectativa iterada. El vectorσε21

mi(U1ε<Z)=-σ1εϕ(Z)Φ(Z)
ϕΦ
mi(U1ε<Z)=mi(mi(U1ε)ε<Z)
(U1,ε) es una normal bivariada con media y matriz de covarianza La media condicional (tenga en cuenta que la covarianza no correlación surge aquí porque ). Por lo tanto, La función de densidad de es (0 0,0 0)
[σ12σ1ϵ1].
mi(U1ε)=σ1εεσε2=1
mi(U1ε<Z)=σ1εmi(εε<Z).
εε<Z
F(εε<Z)={ϕ(ε)Φ(Z),-<ε<Z;0 0,εZ.
La media condicional es mi(εε<Z)
E(εε<Z)=Ztϕ(t)Φ(Z)dt=1Φ(Z)Zt12πexp(12t2)dt=1Φ(Z)Zt{12πexp(12t2)}dt=1Φ(Z)(ϕ(Z)ϕ()).
Tenga en cuenta cómo sale el signo negativo. Así, , y la conclusión sigue.E(εε<Z)=ϕ(Z)/Φ(Z)

Traté de otorgarle la recompensa, pero dice: "Puede otorgar su recompensa en 18 horas". Recuérdame, si lo olvido :-)
Stat Tistician

Gracias por su premio, y me alegra que la publicación ayude.
semibruin
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.