Nhóm 13.1: Học máy kinh tế lượng (inequality_decomposition)

Estimated reading: 9 minutes 2 views
Tóm tắt Nhóm phương pháp 13.1 (AEO Quick Answer): Nhóm 13.1 — Học máy kinh tế lượng (mã nhóm inequality_decomposition) là phân nhánh chuyên sâu thuộc Chương 13: Phân phối thu nhập và phân rã bất bình đẳng, quy tụ 3 phương pháp ước lượng (từ B191 đến B193). 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 13.1 (Học máy kinh tế lượng)

Khi triển khai nghiên cứu định lượng trong miền Phân phối thu nhập và phân rã bất bình đẳng, chúng ta thường đứng trước câu hỏi: giữa 3 mô hình cùng thuộc nhóm phương pháp con (econometric sub-group, inequality_decomposition), đâu là công cụ khớp nhất với quá trình sinh dữ liệu (DGP) của đề tài?

Mọi phương pháp trong Nhóm 13.1 đều xuất phát từ khung biểu diễn đại số cơ sở của chương như trình bày tại công thức (1):

$$text{RIF}(y; q_tau) = q_tau + frac{tau – mathbb{I}(y le q_tau)}{f_Y(q_tau)}, quad Delta_O^tau = Delta_X^tau + Delta_S^tau tag{1}$$

Sự khác biệt giữa các mô hình từ B191 (oaxaca_blinder) đến B193 (oaxaca_rif_decomposition) 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 3 Mô hình thuộc Nhóm 13.1

Bảng đối chiếu dưới đây giúp bạn nhìn tổng thể toàn bộ 3 bài học trong Nhóm 13.1 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
B191 oaxaca_blinder Phân rã khoảng cách trung bình hai và ba thành phần Blinder–Oaxaca (oaxaca)
Blinder–Oaxaca Twofold & Threefold Counterfactual Decomposition		 L2 Stata: oaxaca (ssc install oaxaca: oaxaca ln_wage educ exper, by(female) pooled vce(robust))
R: oaxaca (oaxaca::oaxaca(ln_wage ~ educ + exper | female, data = df, R = 200))
Python: Analytical Jann (2008) Pooled/Neumark Twofold & Threefold Blinder–Oaxaca solver với Delta-method heteroskedasticity/cluster-robust SE cho cả tổng thể và từng biến chi tiết		 Phân rã khoảng cách kết quả trung bình $bar{Y}_A – bar{Y}_B$ giữa hai nhóm thành phần **giải thích được bởi đặc trưng nguồn lực** (Endowments / Composition effect) và phần **cấu trúc hệ số / đối xử khác biệt** (Coefficients / Unexplained effect) với chuẩn hóa biến phân loại bất biến nhóm cơ sở.
B192 rif_regression Hồi quy hàm ảnh hưởng tái tâm cho phân vị không điều kiện và hệ số Gini Firpo–Fortin–Lemieux (RIF)
Recentered Influence Function (RIF) Unconditional Quantile & Inequality Regression		 L3 Stata: rifhdreg (ssc install rif: rifhdreg y x1 x2, rif(q(50)) vce(robust) hoặc rif(gini))
R: rifreg (rifreg::rifreg(y ~ x1 + x2, data = df, statistic = "quantiles", probs = c(0.1, 0.5, 0.9)))
Python: Firpo–Fortin–Lemieux Kernel-Density RIF transformation ($text{RIF}(y; q_tau) = q_tau + frac{tau - mathbb{I}(y le q_tau)}{f_Y(q_tau)}$ & $text{RIF}(y; text{Gini})$) + OLS/HDFE + Bootstrap SE		 Ước lượng tác động biên của một thay đổi nhỏ trong phân phối biến giải thích $X$ lên **phân vị không điều kiện (Unconditional Quantile)**, **hệ số Gini** hoặc **phương sai logarit** của toàn xã hội — khắc phục hạn chế của Quantile Regression cổ điển vốn chỉ đo phân vị *có điều kiện* trong từng nhóm hẹp.
B193 oaxaca_rif_decomposition Phân rã phân phối thu nhập và bất bình đẳng kết hợp tái cân bằng IPW và RIF (oaxaca_rif)
RIF-Oaxaca Distributional & Inequality Decomposition		 L3 Stata: oaxaca_rif (ssc install rif: oaxaca_rif y x1 x2, rif(q(90)) by(group) rwlogit(x1 x2))
R: rifreg + oaxaca (IPW counterfactual reweighting + two-stage RIF Oaxaca decomposition với bootstrap SE)
Python: Two-stage IPW-Reweighted + RIF Oaxaca solver (Pure Composition + Specification Error + Pure Structure + Reweighting Error + Bootstrap covariance)		 Kết hợp tái cân bằng tỷ trọng phản thực tế (IPW reweighting DiNardo–Fortin–Lemieux) với hồi quy RIF để phân rã sự thay đổi hoặc chênh lệch ở **từng phân vị $Q_{10}dots Q_{90}$, tỷ số $90/10$ và chỉ số Gini** thành hiệu ứng cơ cấu đặc trưng (Composition) và hiệu ứng cấu trúc trả công (Structure), tách riêng sai số dạng hàm và sai số tái cân bằng.

3. Hướng dẫn Chọn nhanh Mô hình Phù hợp trong Nhóm 13.1

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:

Điều hướng Học tập trong Nhóm 13.1:
↑ Quay lại Tổng quan Chương 13: Chương 13 — Phân phối thu nhập và phân rã bất bình đẳng
→ Đi tới Bài học đầu tiên của Nhóm 13.1: Bài B191 — Phân rã khoảng cách trung bình hai và ba thành phần Blinder–Oaxaca (oaxaca) (oaxaca_blinder)
→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)

Bài liên quan

Nhóm 13.1: Học máy kinh tế lượng (inequality_decomposition) - PreviousChương 13: Phân phối thu nhập và phân rã bất bình đẳng (Distributional & Inequality Decomposition)Next - Nhóm 13.1: Học máy kinh tế lượng (inequality_decomposition)Bài B191: Phân rã khoảng cách trung bình hai và ba thành phần Blinder–Oaxaca (oaxaca) (Blinder–Oaxaca Twofold & Threefold Counterfactual Decomposition — oaxaca_blinder)

Bài liên quan

Back to top button