Heckman 两阶段模型简介

1. 模型背景

Heckman 两阶段模型（Heckman Correction Model），由 James Heckman 提出，主要用于解决样本选择偏差（Sample Selection Bias）问题。当因变量只能在特定条件下被观测到时（例如：只有就业的人才有工资数据，只有购买某商品的人才有消费金额数据），直接使用普通最小二乘法（OLS）回归会导致参数估计有偏且不一致。

2. 核心逻辑

该模型分为两个阶段：

第一阶段：选择方程 (Selection Equation)

• 目的：模拟个体进入样本的概率（例如：决定是否工作）。
• 方法：通常使用 Probit 模型。
• 关键产出：计算逆米尔斯比率 (Inverse Mills Ratio, IMR/Lambda)。IMR 捕捉了导致样本被选择的未观测因素。
• 要求：此阶段至少需要一个排除限制变量 (Exclusion Restriction)。即该变量影响“是否进入样本”，但不直接影响“结果变量”（例如：孩子数量可能影响母亲是否工作，但不直接影响其小时工资率）。

第二阶段：结果方程 (Outcome Equation)

• 目的：在控制选择偏差的情况下，解释因变量的变化。
• 方法：将第一阶段计算出的 IMR 作为一个额外的解释变量加入 OLS 回归中。
• 原理：如果 IMR 的系数显著不为零，说明存在显著的样本选择偏差；加入该项后，其他变量的系数即为修正后的无偏估计。

3. 代码文件 (main.do) 说明

提供的 main.do 文件包含以下流程：

1. 数据模拟：构建了一个包含 1000 个观测值的虚拟数据集，人为制造了工资方程和就业选择方程之间的误差项相关性（即存在选择偏差）。
2. Heckman 估计：使用 Stata 官方命令 heckman ..., twostep 进行标准估计。
3. 对比分析：
   • 展示了直接对就业子样本做 OLS 的结果（通常是有偏的）。
   • 展示了手动计算 IMR 并放入回归的手动两步法过程（用于教学理解）。

4. 适用场景

• 劳动经济学（工资决定、劳动供给）。
• 金融学研究（企业融资决策及融资规模）。
• 市场营销（消费者购买决策及购买金额）。
• 任何存在“截断数据”或“非随机缺失”的研究场景。

结果展示说明

本部分描述运行 main.do 文件后，Stata 结果窗口（Results Window）中将呈现的文字输出内容。

1. 运行 Heckman 主命令后

• 输入命令：*

heckman wage educ exper married, select(worked = educ exper married kids) twostep

• 预期输出描述：*
• 表头信息：显示样本总数、因变量为 wage，选择变量为 worked，方法为 Two-step estimation。
• 回归系数表 (Outcome equation)：
  • 列出 wage 方程中 educ, exper, married 的系数 (Coef.)、标准误 (Std. Err.)、z 值和 P 值。
  • 关键点：由于模拟数据中存在正向的选择偏差，这里的系数应与下方“OLS 对比”中的系数有所不同，更接近真实生成数据的参数（educ 约 0.8, exper 约 0.05）。
• 回归系数表 (Selection equation)：
  • 列出 worked 方程中 educ, exper, married, kids 的 Probit 系数。
  • 关键点：kids 的系数应显著为负（符合模拟设定：孩子多降低就业概率）。
• 辅助参数：
  • /athrho：双曲正切变换后的相关系数。
  • /sigma：误差项标准差。
  • rho：两个方程误差项的相关系数。如果显著不为 0，证明存在样本选择偏差。
  • lambda (Inverse Mills Ratio)：显示计算出的 IMR 系数。
• 检验统计量：
  • Wald test of indep. eqns. (rho = 0)：卡方统计量及 P 值。若 P < 0.05，则拒绝“无选择偏差”的原假设，表明使用 Heckman 模型是必要的。

2. 运行 OLS 对比命令后

• 输入命令：*

regress wage educ exper married if worked == 1

• 预期输出描述：*
• 标准 OLS 表格：仅基于 worked==1 的样本（约 500-600 个观测值）。
• 系数差异：
  • educ 和 exper 的系数通常会比 Heckman 模型中的估计值偏高或偏低（取决于模拟中设定的 rho 符号）。在本模拟代码中（rho=0.6），OLS 估计的教育回报率 (educ) 往往会高估真实能力，因为高能力的人更有可能被选入样本（工作）。
  • 常数项 (_cons) 也会有明显偏差。
• 结论对比文字：用户可通过肉眼对比发现，OLS 的系数与 Heckman 修正后的系数存在数值差异，且 Heckman 模型提供了关于选择机制 (kids 的影响) 的额外信息。

3. 运行手动两步法后

• 输入命令：*

regress wage educ exper married imr_manual if worked == 1

• 预期输出描述：*
• 系数一致性：educ, exper, married 的系数点估计值应与第一步 heckman ... twostep 命令输出的结果完全一致。
• IMR 显著性：变量 imr_manual 的系数应显著不为 0，再次验证选择偏差的存在。
• 注意：此步骤输出的标准误 (Std. Err.) 是不正确的（因为它没有考虑 IMR 是估计出来的而非原始数据），因此 t 值和 P 值仅供参考，正式报告应以 heckman 命令的结果为准。