When does Heckman’s two-step procedure for censored data work and when does it not?

Jönsson, Robert

doi:10.1007/s00362-010-0306-9

Cited by 5 publications

(3 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…It is clear from (3) that OLS will be biased if ρ = 0. In applications the inverse Mills' ratio is often close to linear in u (Puhani 2000;Jonsson 2012) and this is also the case in our example, see Fig. 1.…”

Section: Motivating Studiessupporting

confidence: 76%

Uncertainty intervals for regression parameters with non-ignorable missingness in the outcome

2014

View full text Add to dashboard Cite

When estimating regression models with missing outcomes, scientists usually have to rely either on a missing at random assumption (missing mechanism is independent from the outcome given the observed variables) or on exclusion restrictions (some of the covariates affecting the missingness mechanism do not affect the outcome). Both these hypotheses are controversial in applications since they are typically not testable from the data. The alternative, which we pursue here, is to derive identification sets (instead of point identification) for the parameters of interest when allowing for a missing not at random mechanism. The non-ignorability of this mechanism is quantified with a parameter. When the latter can be bounded with a priori information, a bounded identification set follows. Our approach allows the outcome to be continuous and unbounded and relax distributional assumptions. Estimation of the identification sets can be performed via ordinary least squares and sampling variability can be incorporated yielding uncertainty intervals achieving a coverage of at least (1 − α) probability. Our work is motivated by a study on predictors of body mass index (BMI) change in middle age men allowing us to identify possible predictors of BMI change even when assuming little on the missing mechanism.

show abstract

Section: Motivating Studiessupporting

confidence: 76%

Uncertainty intervals for regression parameters with non-ignorable missingness in the outcome

2014

View full text Add to dashboard Cite

show abstract

“…Arabmazar and Schmidt 1982;Brännäs and Laitila 1989). The same applies also to Heckman's two-step estimator (see Jonsson 2012).…”

Section: Introductionmentioning

confidence: 86%

Bias-corrected quantile regression estimation of censored regression models

Čı́žek

Sadikoglu

2016

Stat Papers

View full text Add to dashboard Cite

In this paper, an extension of the indirect inference methodology to semiparametric estimation is explored in the context of censored regression. Motivated by weak small-sample performance of the censored regression quantile estimator proposed by Powell (J Econom 32:143-155, 1986a), two-and three-step estimation methods were introduced for estimation of the censored regression model under conditional quantile restriction. While those stepwise estimators have been proven to be consistent and asymptotically normal, their finite sample performance greatly depends on the specification of an initial estimator that selects the subsample to be used in subsequent steps. In this paper, an alternative semiparametric estimator is introduced that does not involve a selection procedure in the first step. The proposed estimator is based on the indirect inference principle and is shown to be consistent and asymptotically normal under appropriate regularity conditions. Its performance is demonstrated and compared to existing methods by means of Monte Carlo simulations.

show abstract

“…O segundo é a esperança do valor financiado (valor da fatura que o indivíduo deixou de pagar) quando o cliente não paga a fatura total. As estimativas são obtidas a partir do modelo de dois estágios de Heckman (Maddala, 1983;Dow e Norton, 2003;Jonsson, 2012). No primeiro estágio é ajustada a probabilidade do cliente não pagar a fatura total através de um modelo probito.…”

Section: Introductionunclassified

Modelos de regressão beta inflacionados truncados

Pereira¹

View full text Add to dashboard Cite

AgradecimentosAgradeço a Deus por ter me dado coragem para deixar minhas atividades profissionais para fazer o doutorado e também às seguintes pessoas: Às minhas orientadoras Denise Botter e Mônica Sandoval que durante todo o meu doutorado estiveram sempre disponíveis para ajudar, para incentivar, para ler e reler cada parte do trabalho e para sugerir correções, modificações e complementações para a tese, sem nunca restringir a minha liberdade criativa. À minha esposa Patricia pela paciência e amor que teve durante todo o desenvolvimento deste trabalho, me apoiando mesmo nos finais de semana em que tive que passar menos momentos com a família para finalizar a tese. Aos meus filhos Breno Gustavo e Ana Júlia, que com sorrisos me incentivaram a desenvolver este trabalho da melhor forma que eu podia. Aos meus pais Adevaldes e Clélia que desde cedo me ensinaram o valor da educação. À minha mãe também por tantas vezes ter cuidado do Breno e da Ana para que eu pudesse me dedicar mais ao desenvolvimento deste trabalho. Às minhas irmãs Priscila e Tarsila que sempre apoiaram meus estudos. À Tarsila também pela revisão deste trabalho. Aos meus sogros Romão e Odila pelos cuidados com meus filhos que sempre me deixaram mais tranquilo para o desenvolvimento desta tese. Aos professores Marcos Magalhães e Rinaldo Artes que, ao me orientarem na iniciação científica e no mestrado, respectivamente, foram fundamentais na minha decisão de fazer carreira acadêmica. Aos professores Silvia Ferrari e Raydonal Ospina pelos trabalhos com os modelos de regressão beta inflacionados que facilitaram o desenvolvimento desta tese. Aos amigos Marco Riquelme e Cibele Russo que desde o início do doutorado me ajudaram, me incentivaram, me deram sugestões e contribuíram para que os anos de desenvolvimento deste trabalho fossem tão interessantes. À amiga Marcela Bussadori pela revisão efetuada neste trabalho. pelas diversas conversas que incentivaram, distraíram e tornaram melhor o período de desenvolvimento deste trabalho. iv À todos aqueles que foram alunos de pós-graduação do IME-USP comigo e com quem tive uma ótima convivência durante o doutorado: Eliane, Priscila, que me apoiaram neste trabalho e me ajudaram e continuam me ajudando a me desenvolver como professor. Ao profissional e à instituição financeira que disponibilizaram os dados de cartão de crédito utilizados neste trabalho. À Gabrielle Souza e Márcio Borges do Ministério do Trabalho e Emprego que disponibilizaram os dados de seguro desemprego.À todos os professores do IME-USP que contribuíram com minha formação acadêmica desde a graduação ao doutorado.Aos funcionários do IME-USP que tornaram esses anos na faculdade um pouco mais fáceis.À Capes e ao CNPq pelo apoio financeiro. À banca examinadora pelas sugestões que ajudaram a melhorar este trabalho.obtidos resultados para as situações em que c é variável e são conduzidos estudos de simulação de Monte Carlo. Além disso, discutimos análise de resíduos, desenvolvemos análise de influência local e realizamos uma aplicação a dados reais de ca...

show abstract

When does Heckman’s two-step procedure for censored data work and when does it not?

Cited by 5 publications

References 20 publications

Uncertainty intervals for regression parameters with non-ignorable missingness in the outcome

Uncertainty intervals for regression parameters with non-ignorable missingness in the outcome

Bias-corrected quantile regression estimation of censored regression models

Modelos de regressão beta inflacionados truncados

Contact Info

Product

Resources

About