图文详情

删截、选择性样本及截断数据的回归模型(格致方法·定量研究系列)

正版全新

作者: (英)理查德·布林著;郑冰岛译
出版社: 格致出版社
ISBN: 9787543237513

出版时间: 2022-12
装帧: 其他
开本: 32开

作者: (英)理查德·布林著;郑冰岛译
出版社: 格致出版社

ISBN: 9787543237513
出版时间: 2022-12

装帧: 其他
开本: 32开

售价 22.43 6.4折

定价￥35.00

品相全新

优惠

发货

承诺48小时内发货

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2026-07-29

数量: 库存11件

立即购买加入购物车收藏

卖家超过10天未登录

六年老店

经管法律专营店

店铺等级

资质认证

90天平均

成功完成

93.88% (51笔)

好评率

100%

发货时间

13.2小时

店主

经管法律专营店

联系

在线交谈离线留言

地址

天津市南开区

电话

联系卖家

进店逛逛收藏店铺

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

商品分类：

自然科学

货号：

5002079

商品描述：

【书    名】删截、选择性样本及截断数据的回归模型(格致方法·定量研究系列)
【书    号】 9787543237513
【出版社】格致出版社
【作    者】 (英)理查德·布林著;郑冰岛译
【出版日期】 2025-12-01
【开    本】 32开
【定    价】 35.00元

【编辑推荐】
本书是“格致方法·定量研究系列”丛书之一。删截数据、选择性样本数据和截断数据涉及“社会科学中的广泛议题”。本书中的例子将帮助学术界澄清相关概念。

主要特点

· 运用丰富的案例，澄清删截数据、选择性样本数据和截断数据的概念

· 结合其他研究方法，讨论应当如何对本书阐明的基本方法加以拓展运用

· 详细说明了相关方法存在的问题和解决方案，为读者提供实用指南

【内容简介】
在非实验社会科学研究中，回归分析是*常用的方法。在数据收集和录入以后，研究者无一例外地开始尝试回归模型，对其定义的等式使用*小二乘法进行估计。但*小二乘法这一强大的工具并不总是正确的。某类特殊形式的数据可能导致*小二乘法估计量的偏误。本书讨论了删截数据、选择性样本数据和截断数据等数据形式，介绍了删截数据的Tobit模型、选择性样本模型和截断回归模型，并指出了在使用这些模型时应注意的问题和应对策略。删截数据、选择性样本数据和截断数据涉及社会科学中的广泛议题，因此本书对于社会科学研究、回归分析和特殊形式数据解析具有重要意义。

【目录】
序

第1章概论

第1节删截、选择性样本和截断数据

第2节两步模型

第3节社会科学中的删截、选择性样本以及截断问题

第4节理论基础

第5节本书内容

第2章删截数据的Tobit模型

第1节删截的潜在变量

第2节两步骤模型

第3节 *大似然估计

第4节 Tobit模型的*大似然估计

第5节 Tobit模型的参数解释

第6节一个实际例子

第3章选择性样本模型和截断回归模型

第1节选择性样本模型

第2节参数解释

第3节一些实际问题

第4节实证例子

第5节截断回归模型

第4章基本模型的扩展

第1节多重阈值的选择过程

第2节内生性选择和结果

第5章应注意的问题

第1节对分布假设的敏感性

第2节模型辨识和稳健性

第3节评估研究中的样本选择模型

第4节删截模型和选择性样本模型的使用指南

第5节结论

附录

注释

参考文献

译名对照表

【前言】
序
在非实验社会科学研究中，回归分析是*常用的方法。在数据收集和录入以后，研究者无一例外地开始尝试回归模型，对其定义的等式使用*小二乘法（OLS）进行估计。但OLS这一强大的工具却并不总是正确的。其一便是某类特殊形式的数据可能导致OLS估计量的偏误。布林教授在本书中讨论的数据形式包括删截（censored）数据、选择性样本（sample selected）数据以及截断（truncated）数据。麻烦的是，该领域的术语运用并不统一，但相信本书的例子会帮助我们澄清这些概念。
假设城市政策学者芭芭拉·布朗（Barbara Brown）希望研究这一问题：为何美国城市比其他城市在空气污染控制上花费更多？她以Y表示其因变量污染控制开支，并以X1到X10表示各城市从预算到社会经济指标的十项解释变量，然后从标准城市年鉴中搜集数据。设想第*种情况：在其城市样本中，年度污染开支只在超过10万美元时才被记录在案，否则就是缺失值。即Y是截断的。然而由于X并未被截断，而是包含所有城市的信息，因而构成删截样本。若布朗博士仍然使用OLS方法去估计模型，则结果如何呢？为构成数据集，她只能使用Y>10万美元的个案，或者她可以对所有无记录的城市假设一个小于10万美元的取值，如9万美元。无论怎样处理，OLS都会提供有偏的参数估计。
在上面的例子中，数据的删截性是由于因变量Y的截断。而另一类更复杂的截断则是由于因变量Y的观测受另一变量Z影响。我们稍微改动空气污染的例子，以设想第二种情况：假设其他一切条件不变，但年鉴却只包含通过了空气清洁法令的城市。则变量Z在通过空气清洁法令时取值1，未通过则取值为0。这即为选择性样本问题。布林教授提示通过两个步骤以回应该问题：首先，某城市通过空气清洁法令的概率有多大；其次，在通过空气清洁法令的前提下，城市的污染开支为多少，那么该模型的参数要怎样估计呢，如果不是用OLS模型，那么是应该使用Tobit模型，还是赫克曼两步骤方法，还是*大似然估计方法呢。布林教授分别对这些估计方法的弱点和优点进行讨论，如以删截回归为例，他解释了*大似然Tobit估计一般来说优于赫克曼两步骤方法的原因。
如布林教授所言，删截数据、选择性样本数据以及截断数据涉及“社会科学中的广泛议题”，而詹姆斯·托宾（James　Tobin）1958年的论文引发了对这类议题的现代研究。因此我们的丛书非常需要这样一本关于删截数据的著作。其次，本书也是对丛书中另一本《事件史分析》的有效补充，后者主要处理另一种类型的删截数据。
迈克尔·S.刘易斯-贝克
配送说明

...
相似商品
为你推荐