Professional Documents
Culture Documents
William Greene
22 de agosto de 2014
1/1
Contenido
22 de agosto de 2014
1/1
Deniciones Previas
Teoremas
Densidad de una Variable Aleatoria Truncada Sea una funcion de densidad
f (x),y a R, entonces
f (x|x > a) =
f (x)
f (x > a)
(1)
()
()
si x > a
() =
si x < a
1 ()
()
() = () [() ]
Censored Data and Truncated Distributions
22 de agosto de 2014
2/1
Especicacin I
Sea una variable aleatoria no observable (latente),
Yi = X0i + i , i N [0, 2 ] i = 1, ..., N
N
X
2
1
1
Yi X0i /
ln 2 ln
2
2
i=1
Especicacin
Yi = Yi
si Yi 0
Yi es no observada
si Yi < 0
22 de agosto de 2014
3/1
Especicacin II
(X0 /)
1 (X0 /)
si escribimos
E [Yi |Xi ] = X0i + i
donde:
i =
(X0i / )
X0i /
1(
(X0i / )
(X0i / )
truncada.
22 de agosto de 2014
4/1
Log verosimilitud
ln L =
N
X
i=1
ln
00
12
1
2
22 de agosto de 2014
5/1
Especicacin I
Suponiendo otra vez una relacin lineal entre las variables explicadas y
explicativas, se tiene la siguiente espexicacin:
Yi = X0i + i , i N [0, 2 ] i = 1, ..., N
j
X
dj Tj (Yi )
j=1
22 de agosto de 2014
6/1
Especicacin II
De manera similar al caso truncado, obtenemos:
E [Yi |Xi ] = X0i / X0i + i
(3)
X0i
22 de agosto de 2014
7/1
Estimacin e Inferencia I
La Log Verosimilitud es una mezcla entre parte discreat y continua.
N
X
i=1
Yi X0i
X0i
1
+ d2 (Yi )
ln d1 (Yi )
Dado que Amemiya(1978) mostr que esta log verosimilitud puede ser
manipulada por tecnicas estandar y ayudandonos de las transformaciones
de Olsen(1978) obtenemos:
X
X 1
2
2
0
ln L =
ln 2 ln + Yi Xi
+
ln 1 X0i
2
Yi >0
Yi =0
donde: = 1/ y = /
Censored Data and Truncated Distributions
22 de agosto de 2014
8/1
Estimacin e Inferencia II
00
12
1
2
22 de agosto de 2014
9/1
Anlisis de Especicacin I
Si interpretamos el censuramiento como una solucion de esquina,
podriamos preguntarnos si la probabilidad de que ocurra una eleccin de
esquina es la misma que una solucin no de esquina. Paraa estudiar esto se
puede escribir la logverosimilitud para el modelo de solucin de esquina:
ln L = ln
X
ln X0i +
ln X0i
Yi =0
= ln
Yi >0
ln X0i + ln
Yi =0
X
Yi >0
ln X0i +
Yi =0
ln
X0i
ln
ln X0i
Yi =0
22 de agosto de 2014
10 / 1
Anlisis de Especicacin II
22 de agosto de 2014
11 / 1
Heterocedasticidad
Se podria especicar una logverosimilitud:
ln L =
N
X
i=1
X0i
Yi X0i
1
ln d1 (Yi )
+ d2 (Yi )
i
i
i
22 de agosto de 2014
12 / 1
Heterogeneidad No observada
22 de agosto de 2014
13 / 1