Stata16によるパネルデータ分析II - 操作変数法の基礎からダイナミックパネルデータモデルの推定まで

研究者にとってビッグデータの入手が比較的容易になってきた今日、モデル推定の場面においても、より高度で多角的な分析が必要とされています。パネルデータのモデル推定に関する基礎知識のあるStataユーザを対象に、より実用的な計量モデルの、統計学的な考え方と、結果の解釈の方法について学びます。各章の最後に用意した練習問題を通して、ポイントを効率的に身に付けることを目指します。
講習内容は主にCameron and Trivedi著、Microeconometrics Using Stata, Revised Edition,Stata Pressを内容を利用します。
講習内容
講習内容

1.Population-Averaged推定量

パネルデータにおけるモデル推定で系列相関が存在する場合に、PA推定量を利用するという考え方があります。ただし、この時、変量効果は定式化しませんので、注意しなければなりません。線形モデルではランダム効果モデルとPA推定量のモデルは漸近的に等しくなるという特徴がありますが、非線形モデルにおいては、その推定値の解釈に違いが生じます。ロジットモデルを例にして、PA推定量の考え方を学びます。

2.操作変数法とハウスマン・ テイラーモデルの推定

計量分析の重要なトピックである変数の内生性と操作変数法の基礎知識を確認します。回帰モデルの右辺に内生性のある変数が存在する場合、回帰分析の推定量にバイアスが生じます。そのバイアスを軽減するために操作変数法という推定手法が用意されています。ここでは操作変数法の基礎と、時間に対して不変な変数が存在する場合に利用可能なハウスマン・ テイラーモデルの推定方法を紹介します。例題として医療保険の加入の有無が退職後の医療支出をどの程度低減できるのか、Medical Expenditure Panel Survey (MEPS) のデータを用いた実証分析の結果をトレースします。

3.ダイナミックパネルデータモデルの推定

ここで説明するモデルは被説明変数のラグ項が右辺の説明変数にはいってくるダイナミックパネルデータモデルです。パネルデータにおいてダイナミックモデルを推定すると、必ずラグ付き内生変数と誤差項の間に必ず相関が生じてしまいます。その問題に対応したArellano-Bond推定量の考え方と操作方法を説明します。

4.非線形パネルデータモデルの推定

"Rand Health Insurance Experiment"という社会実験のデータを用いて、変量効果付きのロジットモデルと、変量効果付きのポアソン回帰モデルの考え方とパネルデータにおける推定方法、そして結果の解釈の方法について解説します。パネルロジットモデルでは医療保険の自己負担割合が、個人の受診行動に与える影響を考察します。一方、パネルポアソン回帰モデルでは受診回数の決定要因を探ります。

本講習会のダイジェスト版テキストは当社Stataウェブサイトの「使い方のヒント」のコーナーで公開しています。

※ 休憩時間等にはセミナー内容以外のご質問にも対応しています。お気軽にご質問ください。


 
参加費用(税抜き)
45,000円
会場
株式会社ライトストーン セミナールーム
JR秋葉原駅/JR浅草橋駅 徒歩7分 都営新宿線岩本町駅 徒歩5分 JR馬喰町駅 徒歩5分 地図   地図
開催日時空席状況申込
2020年3月27日(金) 10:00-17:00 受付中