Home | KTL nâng cao | Giới thiệu mô hình hồi quy mở rộng, ERM
Mô hình hồi quy mở rộng ERM cho phép bạn xử lí các vấn đề biến nội sinh trên các mô hình OLS, logit/probit...
Giới thiệu mô hình hồi quy mở rộng trên Stata 15

Giới thiệu mô hình hồi quy mở rộng, ERM

Các nghiên cứu thực nghiệm thông thường là các nghiên cứu đối chứng phi ngẫu nhiên, và khi đó, có thể dẫn đến các vấn đề dữ liệu thường gặp như chọn mẫu thiên chệch (endogenous sample selection), tham gia đánh giá phi ngẫu nhiên (non-random treatment assignment) hoặc vấn đề về biến nội sinh (endogenous covariates). Trên Stata, tôi có thể giải quyết riêng rẽ từng vấn đề qua các câu lệnh như hồi quy Heckman (câu lệnh heckman – vấn đề thiên chệch do chọn mẫu), hồi quy biến công cụ (câu lệnh ivregress, ivreg2,… – vấn đề biến nội sinh) hoặc các câu lệnh đánh giá tác động teffects, psmatch2.. trong đánh giá tác động. Tuy nhiên, các câu lệnh này chỉ được áp dụng khi mô hình chỉ tồn tại riêng rẽ từng vấn đề hoặc biến kết quả đánh giá là biến dạng liên tục. Do vậy, trong các trường hợp mô hình tồn tại đồng thời của các vấn đề dữ liệu nêu trên, hay các vấn đề này xảy ra trong trường hợp biến kết quả là biến dạng nhị phân hay biến dạng thứ tự, dạng khoảng thì hầu như tôi chưa có công cụ để đánh giá. Nói cách khác, làm thế nào để giải quyết biến nội sinh hay chọn mẫu thiên chệch trong các mô hình hồi quy logit/probit, hồi quy khoảng thì đến nay vẫn còn là câu hỏi bị bỏ ngỏ.
Sự cần thiết của các mô hình hồi quy mở rộng
May thay đến phiên bản 15 này, Stata cung cấp một công cụ tổng hợp với tên gọi các mô hình hồi quy mở rộng (ERMsExtended Regression Models). Với các mô hình hồi quy mở rộng này thì thật dễ dàng để tôi có thể giải quyết riêng rẽ từng vấn đề hoặc kết hợp các vấn đề tồn tại trong dữ liệu cho cả các mô hình hồi quy tuyến tính thông thường (eregress thay thế cho regress), hồi quy với dữ liệu kiểm duyệt (eintreg thay thế cho intreg), hồi quy logit/probit (eprobit thay thế cho probit), và hồi quy logit/probit thứ tự (eoprobit thay thế cho oprobit). Kết quả ước lượng bằng mô hình hồi quy mở rộng đều có thêm các thông tin về sai số như phương sai sai số, sự tương quan giữa các sai số cung cấp cho tôi một công cụ kiểm định hữu ích về sự tồn tại của các vấn đề biến nội sinh, thiên chệch do chọn mẫu để chứng minh mô hình và phương pháp tôi chọn là phù hợp về mặt thống kê. Thêm một điều quan trọng nữa, các mô hình hồi quy mở rộng có cú pháp rất đơn giản, rõ ràng và thống nhất cho tất cả các mô hình. Tóm lại, tôi có thể coi mô hình hồi quy mở rộng ERM là một “chiếc đũa thần” giúp ta đơn giản hóa quá trình ước lượng, kiểm định các mô hình liên quan đến vấn đề dữ liệu như biến nội sinh, thiên chệch do chọn mẫu hay tham giá đánh giá phi ngẫu nhiên vốn rất phổ biến trong nghiên cứu thực nghiệm.

Xem thêm:

  • Hướng dẫn thiết lập và sử dụng các lệnh hồi quy mở rộng
  • Minh họa xử lí vấn đề biến nội sinh bằng ERM
  • Minh họa xử lí vấn đề chọn mẫu nội sinh bằng ERM
  • Minh họa xử lí kết hợp các vấn đề bằng ERM
  • Hướng dẫn đọc và diễn giải kết quả với ERM

Phần nội dung có thu phí bên dưới đã được ẩn.

Xin mời bạn đăng nhập để tiếp tục nội dung...

* Nếu chưa có tài khoản Premium, mời bạn đăng ký tại đây.

Chân thành cảm ơn sự quan tâm của bạn!