Двухшаговая процедура Хекмана

Двухшаговая процедура Хекмана — это эконометрический метод, предназначенный для коррекции смещения отбора (selection bias) в регрессионных моделях. Разработан американским экономистом Джеймсом Хекманом в 1970-х годах, за что в 2000 году он был удостоен Нобелевской премии по экономике. Процедура позволяет оценивать модели, в которых зависимая переменная наблюдается не для всей совокупности, а только для части выборки, причём сам факт наблюдения (отбора) не случаен, а связан с характеристиками объектов.

Исторический контекст

Проблема смещения отбора стала активно изучаться в экономике труда в 1960–1970-х годах. Классическим примером является оценка заработной платы: данные о доходах доступны только для работающих людей, тогда как решение о выходе на рынок труда принимается индивидом на основе ненаблюдаемых факторов (например, альтернативных издержек домашнего труда). Если игнорировать этот механизм отбора, оценки регрессии оказываются смещёнными.

Джеймс Хекман в серии работ (1974, 1976, 1979) предложил двухшаговый метод, который позволяет получить состоятельные оценки параметров уравнения интереса при наличии отбора. Метод получил широкое распространение не только в экономике, но и в социологии, политологии, эпидемиологии и других областях, где данные подвержены цензурированию или неслучайному пропуску.

Постановка задачи

Пусть имеются две латентные (ненаблюдаемые) переменные:

• Уравнение отбора (selection equation): \( z_i^ = w_i^T \gamma + u_i \), где \( z_i^ \) — скрытая полезность или склонность к участию в выборке; \( w_i \) — вектор объясняющих переменных, влияющих на отбор; \( \gamma \) — вектор параметров; \( u_i \) — случайная ошибка.
• Уравнение интереса (outcome equation): \( y_i^ = x_i^T \beta + \varepsilon_i \), где \( y_i^ \) — интересующая зависимая переменная; \( x_i \) — вектор регрессоров; \( \beta \) — вектор параметров; \( \varepsilon_i \) — случайная ошибка.

Наблюдается только индикатор участия: \( z_i = 1 \), если \( z_i^* > 0 \), и \( z_i = 0 \) в противном случае. При этом \( y_i \) наблюдается только для тех \( i \), у которых \( z_i = 1 \). Ключевое предположение: ошибки \( u_i \) и \( \varepsilon_i \) совместно нормально распределены с нулевыми математическими ожиданиями, дисперсиями \( \sigma_u^2 = 1 \) (для идентификации) и \( \sigma_\varepsilon^2 \), а также ковариацией \( \sigma_{u\varepsilon} \). Если \( \sigma_{u\varepsilon} \neq 0 \), то отбор не случаен, и обычная регрессия по отобранной выборке даёт смещённые оценки \( \beta \).

Описание процедуры

Двухшаговая процедура Хекмана состоит из двух этапов.

Первый шаг: оценка уравнения отбора

На первом шаге по всей выборке (включая как наблюдаемые, так и ненаблюдаемые случаи) оценивается пробит-модель для бинарной переменной \( z_i \):

\[ P(z_i = 1 | w_i) = \Phi(w_i^T \gamma), \]

где \( \Phi(\cdot) \) — функция стандартного нормального распределения. Методом максимального правдоподобия получаются оценки \( \hat{\gamma} \). Затем для каждого наблюдения с \( z_i = 1 \) вычисляется обратное отношение Миллса (inverse Mills ratio):

\[ \hat{\lambda}_i = \frac{\phi(w_i^T \hat{\gamma})}{\Phi(w_i^T \hat{\gamma})}, \]

где \( \phi(\cdot) \) — плотность стандартного нормального распределения. Эта величина отражает вероятность участия в выборке с учётом наблюдаемых характеристик.

Второй шаг: коррекция уравнения интереса

На втором шаге для подвыборки с \( z_i = 1 \) оценивается регрессия:

\[ y_i = x_i^T \beta + \theta \hat{\lambda}_i + \nu_i, \]

где \( \theta = \sigma_{u\varepsilon} \) — дополнительный параметр, подлежащий оценке, а \( \nu_i \) — новая случайная ошибка. Включение \( \hat{\lambda}_i \) в регрессию позволяет скорректировать смещение отбора. Оценки \( \hat{\beta} \) и \( \hat{\theta} \) получаются обычным методом наименьших квадратов (МНК). При этом стандартные ошибки на втором шаге должны быть скорректированы, поскольку \( \hat{\lambda}_i \) сама является оценённой величиной (используется формула вариационно-ковариационной матрицы Хекмана).

Интерпретация и ограничения

Интерпретация

• Параметр \( \theta \) показывает, как ненаблюдаемые факторы, влияющие на отбор, коррелируют с ненаблюдаемыми факторами, влияющими на результат. Если \( \theta \) статистически значим, то гипотеза о случайности отбора отвергается.
• Коэффициенты \( \beta \) интерпретируются как влияние регрессоров на ожидаемое значение \( y \) при условии участия в выборке, после контроля за смещением отбора.

Ограничения

1. Требование нормальности: процедура предполагает совместную нормальность ошибок. При нарушении этого предположения оценки могут быть несостоятельными.
2. Коллинеарность: обратное отношение Миллса является нелинейной функцией от \( w_i \), что может приводить к мультиколлинеарности с регрессорами \( x_i \), особенно если наборы переменных в двух уравнениях сильно перекрываются.
3. Идентификация: для надёжной идентификации модели желательно, чтобы хотя бы одна переменная в уравнении отбора не входила в уравнение интереса (инструмент отбора). Без такого исключительного регрессора модель идентифицируется только за счёт нелинейности отношения Миллса, что делает её чувствительной к спецификации.
4. Неэффективность: двухшаговая процедура не является полностью эффективной по сравнению с методом максимального правдоподобия для полной модели, хотя и проще в вычислительном плане.

Применение

Двухшаговая процедура Хекмана широко используется в эмпирических исследованиях:

• Экономика труда: оценка заработной платы с учётом решения о выходе на рынок труда (например, для женщин, пенсионеров).
• Социология: анализ доходов или образования с учётом неслучайного отбора в выборку (например, только для респондентов, согласившихся на интервью).
• Медицина и эпидемиология: оценка эффективности лечения при неслучайном назначении терапии.
• Маркетинг: моделирование потребительского выбора и последующих расходов.

Альтернативные методы

• Метод максимального правдоподобия для модели Хекмана: позволяет оценивать параметры уравнения отбора и уравнения интереса одновременно, что даёт асимптотически более эффективные оценки, но требует численной оптимизации.
• Методы на основе инструментальных переменных: могут применяться, если доступны валидные инструменты, коррелирующие с отбором, но не с ошибкой в уравнении интереса.
• Непараметрические и полупараметрические методы: ослабляют предположения о распределении ошибок, но сложнее в реализации.

Критика

Основная критика процедуры Хекмана связана с её чувствительностью к предположению о нормальности. Если истинное распределение ошибок существенно отличается от нормального, оценки могут быть сильно смещёнными. Кроме того, в прикладных исследованиях часто отсутствует хороший инструмент отбора, что делает идентификацию модели слабой. Некоторые авторы (например, Little и Rubin) предлагают альтернативные подходы в рамках теории пропущенных данных.

Источники

• Heckman, J. J. (1979). Sample Selection Bias as a Specification Error. Econometrica, 47(1), 153–161.
• Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson.
• Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press.
• Cameron, A. C., & Trivedi, P. K. (2005). Microeconometrics: Methods and Applications. Cambridge University Press.