Nhóm 4.3: Kiểm duyệt và chọn mẫu (censored_selection)
Tóm tắt Nhóm phương pháp 4.3 (AEO Quick Answer): Nhóm 4.3 — Kiểm duyệt và chọn mẫu (mã nhóm
censored_selection) là phân nhánh chuyên sâu thuộc Chương 04: Mô hình đếm, lực hấp dẫn thương mại và biến phụ thuộc giới hạn, quy tụ 4 phương pháp ước lượng (từ B048 đến B051). Phần tổng quan này giúp chúng ta so sánh trực diện điều kiện áp dụng, cấu trúc toán học và cú pháp thực thi trên Stata 18 MP, R 4.x và Python 3.11+ để chọn đúng mô hình cho bài toán nghiên cứu.1. Bản chất Học thuật & Vị trí của Nhóm 4.3 (Kiểm duyệt và chọn mẫu)
Khi triển khai nghiên cứu định lượng trong miền Mô hình đếm, lực hấp dẫn thương mại và biến phụ thuộc giới hạn, chúng ta thường đứng trước câu hỏi: giữa 4 mô hình cùng thuộc nhóm phương pháp con (econometric sub-group, censored_selection), đâu là công cụ khớp nhất với quá trình sinh dữ liệu (DGP) của đề tài?
Mọi phương pháp trong Nhóm 4.3 đều xuất phát từ khung biểu diễn đại số cơ sở của chương như trình bày tại công thức (1):
$$text{E}[Y_{ij} mid X_{ij}] = exp(X_{ij}^top beta + mu_i + nu_j) tag{1}$$
Sự khác biệt giữa các mô hình từ B048 (tobit) đến B051 (endogenous_switching) nằm ở cách chúng ta đặt giả định lên phân phối của sai số ngẫu nhiên, cấu trúc nội sinh và phương pháp tối ưu hóa hàm mục tiêu từ công thức (1).
2. Bảng So sánh Trực diện 4 Mô hình thuộc Nhóm 4.3
Bảng đối chiếu dưới đây giúp bạn nhìn tổng thể toàn bộ 4 bài học trong Nhóm 4.3 kèm câu lệnh cốt lõi trên cả ba phần mềm:
| Mã Bài | model_key |
Tên Mô hình (VI / EN) | Cấp độ | Lệnh Thực thi Chuẩn (Stata 18 · R 4.x · Python 3.11+) | Ý nghĩa Kinh tế lượng Trọng tâm |
|---|---|---|---|---|---|
| B048 | tobit |
Hồi quy kiểm duyệt Tobit cho biến phụ thuộc bị chặn tại ngưỡng (Censored Tobit) Tobit |
L1 | Stata: tobit y_cens x1 x2, ll(0) vce(robust)R: AER::tobit(y_cens ~ x1 + x2, left = 0, data = df)Python: Censored Tobit MLE (scipy.optimize + norm.cdf/logpdf) |
Phương pháp Hồi quy kiểm duyệt Tobit cho biến phụ thuộc bị chặn tại ngưỡng (Censored Tobit) (Tobit) trong họ mô hình mô hình đếm, lực hấp dẫn thương mại và biến phụ thuộc giới hạn, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng. |
| B049 | truncated_regression |
Hồi quy cắt cụt Hausman–Wise khi mẫu chỉ quan sát trên ngưỡng (Truncated Regression) Truncated Regression |
L2 | Stata: truncreg y_pos x1 x2, ll(0) vce(robust)R: truncreg::truncreg(y_pos ~ x1 + x2, point = 0, direction = 'left', data = df)Python: Truncated Normal / Poisson MLE (scipy / statsmodels) |
Phương pháp Hồi quy cắt cụt Hausman–Wise khi mẫu chỉ quan sát trên ngưỡng (Truncated Regression) (Truncated Regression) trong họ mô hình mô hình đếm, lực hấp dẫn thương mại và biến phụ thuộc giới hạn, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng. |
| B050 | heckman_selection |
Mô hình hiệu chỉnh chệch chọn mẫu hai bước và FIML của Heckman (Heckman Selection) Heckman Selection |
L1 | Stata: heckman y x1 x2, select(s = x1 x2 z1) twostepR: sampleSelection::heckit(s ~ x1 + x2 + z1, y ~ x1 + x2, data = df)Python: Heckman Two-Step Probit + IMR OLS |
Phương pháp Mô hình hiệu chỉnh chệch chọn mẫu hai bước và FIML của Heckman (Heckman Selection) (Heckman Selection) trong họ mô hình mô hình đếm, lực hấp dẫn thương mại và biến phụ thuộc giới hạn, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng. |
| B051 | endogenous_switching |
Mô hình hồi quy chuyển đổi chế độ nội sinh Lokshin–Sajaia (Endogenous Switching FIML) Endogenous Switching Regression (FIML) |
L4 | Stata: movestay (ssc install movestay: movestay (y x1 x2), select(d = z1 x1 x2) robust)R: sampleSelection / GJRM (sampleSelection::selection(d ~ z1 + x1, list(y ~ x1 + x2, y ~ x1 + x2), method = "ml") trên CRAN active)Python: scipy + statsmodels (FIML trivariate normal likelihood cho $(varepsilon_s, varepsilon_1, varepsilon_0)$ + counterfactual ATT/ATU) |
Ước lượng hợp lý cực đại thông tin đầy đủ (FIML) một phương trình lựa chọn chế độ ($D_i in {0,1}$) gắn với 2 phương trình kết quả riêng biệt ($Y_{1i}, Y_{0i}$), tách hiệu ứng ATT/ATU khỏi tự lựa chọn không quan sát được. |
3. Hướng dẫn Chọn nhanh Mô hình Phù hợp trong Nhóm 4.3
Dựa trên kinh nghiệm phản biện và hướng dẫn luận văn, luận án thực tế, chúng ta có thể áp dụng quy tắc chọn nhanh sau đây:
- Chọn B048 — Hồi quy kiểm duyệt Tobit cho biến phụ thuộc bị chặn tại ngưỡng (Censored Tobit) (
tobit) khi: Áp dụng khi nghiên cứu Chi tiêu giáo dục hộ gia đình VHLSS ($ge 0$) và các bài toán thuộc nhóm kiểm duyệt và chọn mẫu. (Kiểm định kèm theo: Cameron–Trivedi Overdispersion Test, Vuong/AIC-BIC Zero-Inflation Test, Silva–Tenreyro RESET, Inverse Mills Ratio (IMR) Test, Modified Park Test). - Chọn B049 — Hồi quy cắt cụt Hausman–Wise khi mẫu chỉ quan sát trên ngưỡng (Truncated Regression) (
truncated_regression) khi: Áp dụng khi nghiên cứu Thu nhập của nhóm lao động đã có việc làm và các bài toán thuộc nhóm kiểm duyệt và chọn mẫu. (Kiểm định kèm theo: Cameron–Trivedi Overdispersion Test, Vuong/AIC-BIC Zero-Inflation Test, Silva–Tenreyro RESET, Inverse Mills Ratio (IMR) Test, Modified Park Test). - Chọn B050 — Mô hình hiệu chỉnh chệch chọn mẫu hai bước và FIML của Heckman (Heckman Selection) (
heckman_selection) khi: Áp dụng khi nghiên cứu Phương trình tiền lương có hiệu chỉnh chọn mẫu lao động và các bài toán thuộc nhóm kiểm duyệt và chọn mẫu. (Kiểm định kèm theo: Cameron–Trivedi Overdispersion Test, Vuong/AIC-BIC Zero-Inflation Test, Silva–Tenreyro RESET, Inverse Mills Ratio (IMR) Test, Modified Park Test). - Chọn B051 — Mô hình hồi quy chuyển đổi chế độ nội sinh Lokshin–Sajaia (Endogenous Switching FIML) (
endogenous_switching) khi: Đánh giá tác động áp dụng công nghệ nông nghiệp, tín dụng vi mô, chuyển đổi số doanh nghiệp, tham gia hiệp định khi lợi ích kỳ vọng quyết định việc tự chọn vào nhóm xử lý. (Kiểm định kèm theo: Kiểm định LR tính độc lập của lựa chọn và kết quả ($rho_1 = rho_0 = 0$), kiểm định biến loại trừ (exclusion restriction $Z$), ước lượng phản thực tế ATT & ATU.).
Điều hướng Học tập trong Nhóm 4.3:
↑ Quay lại Tổng quan Chương 04: Chương 04 — Mô hình đếm, lực hấp dẫn thương mại và biến phụ thuộc giới hạn
→ Đi tới Bài học đầu tiên của Nhóm 4.3: Bài B048 — Hồi quy kiểm duyệt Tobit cho biến phụ thuộc bị chặn tại ngưỡng (Censored Tobit) (
→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)
↑ Quay lại Tổng quan Chương 04: Chương 04 — Mô hình đếm, lực hấp dẫn thương mại và biến phụ thuộc giới hạn
→ Đi tới Bài học đầu tiên của Nhóm 4.3: Bài B048 — Hồi quy kiểm duyệt Tobit cho biến phụ thuộc bị chặn tại ngưỡng (Censored Tobit) (
tobit)→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)
Bài liên quan
- Bài B048: Hồi quy kiểm duyệt Tobit cho biến phụ thuộc bị chặn tại ngưỡng (Censored Tobit) (Tobit — tobit)Cấp độ 1: Nền tảng (Foundation)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B049: Hồi quy cắt cụt Hausman–Wise khi mẫu chỉ quan sát trên ngưỡng (Truncated Regression) (Truncated Regression — truncated_regression)Cấp độ 2: Trung cấp (Intermediate)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B050: Mô hình hiệu chỉnh chệch chọn mẫu hai bước và FIML của Heckman (Heckman Selection) (Heckman Selection — heckman_selection)Cấp độ 1: Nền tảng (Foundation)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B051: Mô hình hồi quy chuyển đổi chế độ nội sinh Lokshin–Sajaia (Endogenous Switching FIML) (Endogenous Switching Regression (FIML) — endogenous_switching)Cấp độ 4: Chuyên sâu (Specialized)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)