因变量误分类下的二元面板数据模型估计方法研究

The issue of measurement errors has been studied extensively in econometrics. Measurement errors in binary or discrete variables usually take the form of misclassification. Misclassification of the binary dependent variable in binary panel data models can result in inconsistency of the parameters estimates, when traditional estimation techniques are used. It is very important for researchers to carefully consider the possible impact of misclassification on their results when they use binary panel data models.This project will derive a parameter estimates method for binary panel data model with misclassification of the dependent variable. Firstly, this project will propose a specification test for misclassification of the binary dependent variable in binary panel data models. The test is based on moment conditions. Secondly, this project will extend existing work on the misclassification of the binary dependent variable in cross section data by allowing fixed effects in binary panel data models. A modified maximum likelihood estimator that correct misclassification of the binary dependent variable is proposed for static binary panel data model with fixed effects. Thirdly, different from static binary panel data model with fixed effects, introducing misclassification in dynamic binary panel data model with fixed effects creates a series computational problem: lagged true choices are unobserved. After simulating the likelihood by using unconditional simulations approach, this project will develop a bias correction estimator, which is based on bootstrap iterative bias correction method.

在计量经济学中，测量误差被广泛研究。二元或者离散变量的测量误差一般被称为误分类。若二元面板数据模型中的二元因变量存在误分类，那么使用传统的估计方法来估计参数，会使得参数估计是不相合的。本项目针对二元因变量误分类下的二元面板数据模型提出一个有效的参数估计方法。第一，对于二元面板数据模型中的二元因变量误分类，本项目将基于矩条件提出一个误分类的识别检验。第二，本项目将截面数据中二元因变量误分类的研究方法扩展到固定效应的二元面板数据模型中，研究二元因变量误分类的参数估计问题时，我们主要使用修正最大似然估计方法。第三，与静态的二元面板数据模型不同，对于动态二元面板数据模型，考虑二元因变量误分类时有一个非常困难的计算问题: 滞后的真实选择是不可观测的。在使用非条件模拟方法模拟出真实选择结果后，我们基于迭代bootstrap偏倚校正方法研究二元因变量误分类下的动态二元面板数据模型的参数估计问题。

众所周知，在面板数据集中会出现误分类问题。而对于研究因变量误分类下的二元面板数据计量模型的参数估计问题研究是一个非常重要的研究领域。本项目围绕误分类存在性检验及相关估计方法展开理论研究，主要研究内容包括：首先,二元因变量误分类的存在性检验，基于矩的检验统计量进一步研究二元因变量误分类概率是否为零的检验问题。其次，二元面板数据模型的相关问题研究，包括固定效应的存在性检验和带有固定效应的二元面板数据模型的参数估计方法。最后，二元因变量误分类下二元面板数据模型的估计方法研究，包括识别检验、静态和动态模型下的相关估计研究。取得的主要结果包括：第一，基于矩方法，我们提出了一个新的检验统计量来检验二元因变量误分类的存在性问题，并且通过数值模拟比较说明了我们提出的检验统计量的有效性。第二，我们使用LM检验统计量研究了固定效应存在性检验，使用偏倚校正方法研究了二元面板数据模型中参数估计问题。第三，对于二元因变量误分类下静态二元面板数据模型来说，修正最大似然的方法推广到二元面板数据模型中，并同时消除固定效应对参数估计的影响。对于二元因变量误分类下动态二元面板数据模型的估计问题，首先要考虑初值选取问题，这个问题是动态二元面板数据模型中普遍存在的问题。我们使用带有随机效应的动态二元面板数据模型中典型的偏倚校正最大似然估计方法来给出参数估计，其中带有随机效应的Probit面板数据模型的参数估计是本项目一个重要研究成果。相应研究成果发表在《Computational Economics》、《Hacettepe Journal of Mathematics and Statistics》、《Advances in Difference Equations》、《e Scientific World Journal》、《数学的实践与认识》、《山西财经大学学报》、《大连海事大学学报（社会科学版）》等SSCI/SCI期刊和国内期刊上发表论文13篇。依托本项目培养了2名博士生，13名硕士生。