Cualquiera que se dedique a la econometría presta atención a esta cuenta
Manuscrito: [email protected]
Todos los métodos econométricos Ensayos círculo de código de programa, y una variedad de software de base de datos macro y micro se colocan en la comunidad son bienvenidos a las visitas de intercambio comunidad círculo econométricos. 
Texto
Acerca del texto debajo del contenido, autor: Wu Aoba, Escuela de Negocios y Escuela de Economía de la Universidad Nacional de Australia, correo de comunicación: [email protected]
Artículo anterior del autor: Mita, la obra maestra más influyente del Premio Nobel 2020 RDD Queen, con procedimientos de medición y datos
Lennox, C., Francis, J. y Wang, Z. (2012). Modelos de selección en la investigación contable. The Accounting Review, 87 (2), 589-616. Obtenido el 11 de julio de 2020 de www.jstor.org/stable/23245616
Este estudio explica los desafíos asociados con el procedimiento de Heckman (1979) para controlar el sesgo de selección, evalúa la calidad de su aplicación en la investigación contable y ofrece una guía para una mejor implementación de los modelos de selección. Una encuesta de 75 artículos contables recientes en las principales revistas revela que muchos investigadores implementan la técnica de manera mecánica con relativamente poca apreciación de las cuestiones y problemas econométricos importantes que rodean su uso. Utilizando ejemplos empíricos motivados por investigaciones previas, ilustramos que los modelos de selección son frágiles y pueden producir literalmente cualquier resultado posible en respuesta a cambios bastante menores en la especificación del modelo. Concluimos con una guía sobre cómo los investigadores pueden implementar mejor los modelos de selección que proporcionarán evidencia más convincente sobre el posible sesgo de selección.
1. El
artículo de introducción evalúa principalmente la implementación del modelo de selección en la literatura contable y proporciona sugerencias relevantes para los estudiosos de la contabilidad en el uso del modelo de selección para resolver problemas. En vista del uso cada vez mayor de modelos de selección y los comentarios frecuentes de los editores de revistas sobre el control de la endogeneidad y el sesgo de selección, las pautas y sugerencias enumeradas en el artículo son particularmente importantes. El artículo encontró que de 2000 a 2009, 75 de los 1.016 artículos empíricos publicados en The Accounting Review, Journal of Accounting and Economics, Journal of Accounting Research, Contemporary Accounting Research y Review of Accounting Studies utilizaron el modelo de selección, y Solo en el año de 2008 a 2009, el 11% de los artículos empíricos utilizaron el modelo de selección.
Maddala (1991) señaló que cuando las observaciones se distribuyen de manera no aleatoria entre el grupo experimental y el grupo de control, se producirá un sesgo de selectividad, lo que conduce al sesgo del coeficiente al utilizar el método de mínimos cuadrados para estimar el coeficiente. Little (1985) propuso un método de implementación más creíble, requiriendo que los investigadores identifiquen variables independientes exógenas que pueden ser eliminadas en la segunda etapa en el modelo de selección de la primera etapa. Sin embargo, la importancia de las restricciones de exclusión está disminuyendo en el campo de la investigación contable. 14 de los 75 artículos no hicieron ninguna exclusión y 7 de ellos no desarrollaron el modelo de la primera etapa, por lo que fue imposible juzgar si las restricciones de exclusión eran llevado a cabo.
El autor aclaró que si no se aplica la restricción de exclusión, el resultado del modelo seleccionado no es confiable. Creen que para mejorar el rendimiento del modelo, se requieren análisis de sensibilidad cuidadosos y pruebas de robustez.
En segundo lugar, seleccione el modelo
En términos generales, existen dos aplicaciones diferentes para el modelo de selección. El primero es el modelo del efecto del tratamiento: variables indicadoras endógenas (D) como variables independientes. Por ejemplo, un investigador puede estar interesado en si los pronósticos de ganancias de la administración afectan el costo de capital. En este caso, la variable indicadora endógena (D) indica si la empresa publica pronósticos de ingresos y la variable dependiente es el costo de capital. El segundo es el modelo de selección de la muestra, cuando la regresión se realiza en una submuestra de observaciones. Por ejemplo, un investigador puede estar interesado en gestionar los determinantes de la precisión del pronóstico. En este caso, la variable dependiente es la precisión del pronóstico y la regresión solo se realiza en empresas que han emitido pronósticos de ingresos.
En resumen, la diferencia entre el modelo MCO en la fórmula (1) y el modelo de selección en la fórmula (3) es que este último introduce MILLS como una variable independiente. Entonces hay dos fuentes principales de sesgo de selección: (1) MILLS no es lineal; (2) la variable Z se excluye de la fórmula (3). Aquí, la variable Z también se denomina restricción de exclusión. Generalmente se considera que Z no tiene influencia directa sobre Y, y cualquier correlación entre Y y Z se realiza a través de MILLS.
En econometría, la elección de excluir restricciones es muy importante, porque puede controlar la endogeneidad de la variable D para que el modelo de elección se pueda realizar. En primer lugar, la variable Z debe ser una variable exógena, de lo contrario los coeficientes de la primera etapa están sesgados. En segundo lugar, el coeficiente de Z en la fórmula (2) debe ser significativo. Finalmente, la exclusión de la variable Z de la fórmula (3) debe ser válida. Si la variable Z se omite de manera inapropiada del modelo con Y como variable dependiente, conducirá al clásico problema de la variable faltante.
En muchas aplicaciones, es difícil encontrar una buena variable Z. Porque, incluso si no se implementa la restricción de exclusión, MILLS es técnicamente identificable porque sus parámetros no son lineales. Sin embargo, Little (1985) señaló que los economistas econométricos no recomiendan el uso de la no linealidad para identificar el sesgo de selección por dos razones: Primero, si no hay una variable Z, la identificación del sesgo de selección proviene solo de supuestos de forma funcional no probados. Para ilustrar este punto, si Y es en realidad una función no lineal, pero los investigadores asumen erróneamente una relación lineal, entonces MILLS tendrá una forma funcional inapropiada. En segundo lugar, en ausencia de una restricción, el modelo de selección será más propenso a problemas de multicolinealidad. La multicolinealidad conducirá a dos resultados: Primero, la desviación estándar del coeficiente estimado se expande de modo que el coeficiente estimado sea insignificante. En segundo lugar, la representación del modelo es inapropiada. El riesgo de una configuración incorrecta del modelo es muy alto, lo que afectará la sensibilidad del juicio estadístico.
3. El modelo de selección en la investigación contable
El autor seleccionó 75 artículos de 2000 a 2009 que utilizaron el modelo de selección de cinco revistas de contabilidad. La Tabla 1 muestra los temas de sus artículos, de los cuales 16 son sobre investigación sobre auditoría, 16 sobre divulgación de información, 13 sobre gestión de utilidades, 11 sobre gobierno corporativo, 2 sobre impuestos, 1 sobre contabilidad de gestión y el resto 16 tratan sobre otros temas contables y financieros.
El panel A de la tabla 2 muestra un aumento significativo en la proporción de utilizar el modelo de selección entre 2006 y 2009, con 50 artículos publicados entre 2006 y 2009, y solo 25 utilizando el modelo de selección entre 2000 y 2005. El panel B mostró que 52 de los artículos utilizaron el modelo de efecto del tratamiento y los 23 artículos restantes utilizaron el modelo de selección de muestra para estimar submuestras no aleatorias. 32 artículos utilizaron el modelo de selección para el análisis principal y los 43 artículos restantes utilizaron el modelo de selección como análisis auxiliar. El Panel C indicó que 54 artículos siguieron los pasos de usar restricciones de exclusión, ocho estudios no tenían la variable Z y 6 artículos informaron modelos de selección con restricciones de exclusión y mostraron modelos de selección sin restricciones de exclusión. En los otros 7 artículos, el autor no expresó directamente la expresión modelo de la primera etapa, por lo que no es seguro que estén sujetos a restricciones de exclusión. En general, del 19% al 28% de los artículos no tenían restricciones de exclusión.60 artículos tenían este paso, pero solo tres artículos informaron que sus resultados eran sólidos.
Para el modelo de selección, lo importante es la elección de las restricciones de exclusión por parte del investigador, es decir, es una variable independiente en el modelo de la primera etapa y se excluye en el modelo de la segunda etapa. Desde esta perspectiva, muchos artículos contables no señalaron que la variable Z fuera excluida en la segunda etapa. Algunos estudios han propuesto la viabilidad de las restricciones de exclusión desde el punto de vista económico, pero no han explicado que las restricciones de exclusión que eligen sean efectivas. Finalmente, pueden surgir problemas de multicolinealidad cuando se utiliza el modelo de selección, pero solo hay tres artículos que prueban la multicolinealidad.
El autor cree que muchos estudios contables no tienen una comprensión suficiente de sus antecedentes econométricos cuando utilizan el modelo de selección. Esta conclusión es muy similar a la investigación sobre IV de Larcker & Rusticus (2010), pero el mecanismo de evaluación utilizado es bastante diferente. Comparado con el modelo IV convencional, el modelo de selección es diferente en la resolución del problema endógeno. Específicamente, el modelo de selección usa la variable MILLS para controlar la correlación del término de error, pero no existe un término equivalente en el modelo IV. Por lo tanto, comparado con el mecanismo de evaluación propuesto por LR, el mecanismo de evaluación de este trabajo tiene dos diferencias principales: Primero, MILLS es no lineal, lo que muestra que incluso si no hay restricción de exclusión, se puede estimar técnicamente. Pero para el modelo IV, hay al menos una restricción de exclusión. La segunda diferencia es que los investigadores pueden juzgar si existe un sesgo de selección basado en la significancia de los coeficientes de la variable MILLS.
4. Análisis empírico
El autor encontró que en los artículos contables publicados no se señaló específicamente la restricción de exclusión, e incluso algunos artículos no llevaron a cabo este proceso. Por lo tanto, el autor demostró a través del análisis empírico que el modelo de selección sin restricción de exclusión no puede proporcionar una selección confiable y sólida Excelentes resultados. El autor seleccionó datos de Compustat, Audit Analytics, CRSP e I / B / E / S de 2000 a 2009 para el análisis empírico.
La investigación de auditoría suele utilizar modelos de selección para controlar la naturaleza endógena de las empresas que eligen entre grandes y no N. El autor categoriza las variables independientes utilizadas para estimar la selección de auditoría. 6 artículos utilizan activos totales logarítmicos para representar el tamaño de la empresa, 3 artículos utilizan la facturación logarítmica para representar el tamaño de la empresa y 1 artículo utiliza activos totales logarítmicos para representar el tamaño de la empresa. El valor de mercado digitalizado representa el tamaño de la empresa. La investigación también difiere sobre cómo expresar los indicadores de rentabilidad de la empresa. Tres artículos utilizan variables indicadoras para representar pérdidas, dos utilizan variables continuas para medir la rentabilidad y los otros tres utilizan tanto variables indicadoras de pérdidas como variables de rentabilidad continua. El análisis empírico del autor no pretende ilustrar que la investigación contable debería utilizar los mismos indicadores para medir el tamaño y la rentabilidad de la empresa. Por el contrario, la opinión del autor es que imponer diferentes restricciones de exclusión a estas variables tendrá un gran impacto en los resultados.
Estos diez artículos también difieren en el uso de restricciones de exclusión. Los dos artículos no establecieron ninguna restricción de exclusión, porque todas las variables independientes en el modelo de la primera etapa se utilizaron como variables de regresión en el modelo de la segunda etapa. Aunque la literatura econométrica se opone a este enfoque, estos estudios estiman el efecto del sesgo de selección a través de la no linealidad de la razón de Mills inversa. Aunque los otros ocho artículos han agregado restricciones de exclusión, ninguno de ellos proporciona una explicación clara o significado económico de por qué las restricciones de exclusión son efectivas. El propósito del autor no es criticar estos estudios de auditoría, sino ilustrar los problemas que pueden surgir cuando el investigador no excluye restricciones o utiliza restricciones de exclusión arbitrarias. Para ilustrar lo primero, el autor incluyó todas las variables independientes en el modelo de la primera etapa en el modelo de la segunda etapa. Para ilustrar esto último, el autor excluye el tamaño de la empresa o la variable de rentabilidad de la empresa del modelo de la segunda etapa, porque los estudios previos suelen imponer restricciones de exclusión a estas dos variables.
5.
El autor cree que el análisis empírico de la cuarta parte no es una repetición directa de los resultados de los artículos publicados. Las personas que son escépticas pueden tener esa opinión, y la investigación publicada en las principales revistas no es muy buena. Puede contener problemas tan obvios porque deben ser revisados por un editor experimentado. Con base en esto, el autor reprodujo un estudio publicado y probó la confiabilidad de sus conclusiones, y explicó además si tales conclusiones se limitan a la literatura de auditoría y si son aplicables a situaciones más generales.
El autor eligió el artículo de Jackson et al. (2009) (posterior a utilizar JLC en su lugar). JLC estudió el impacto de este método en las decisiones de inversión de capital de la empresa. Predicen e informan que las empresas que adoptan métodos de depreciación acelerada tienen niveles más altos de inversión de capital. Dado que la elección de la política de depreciación de la empresa es endógena, JLC primero estimó un modelo para explicar la decisión, y luego construyó el índice Mills inverso y lo incluyó como una variable independiente en el modelo de segunda etapa de gasto de capital. La mayoría de las variables independientes del modelo de la primera etapa se excluyen del modelo de gasto de capital de la segunda etapa. Como muchos estudios en la Tabla 2, JLC no explicó la validez de sus restricciones de exclusión y no informó formalmente sobre la solidez del análisis de sensibilidad y multicolinealidad.
6. Sugerencias
para el uso del modelo El autor ofrece cuatro sugerencias prácticas para el uso del modelo de selección. Primero, en ausencia de restricciones de exclusión, no es recomendable estimar el modelo de selección, es decir, algunas variables independientes en la primera etapa deben excluirse en el modelo de la segunda etapa. Porque sin la restricción de exclusión, el resultado de la relación de Mills inversa depende completamente de su no linealidad. Además, dado que puede surgir el problema de la multicolinealidad, el autor sugiere que incluso si se han impuesto restricciones de exclusión, los investigadores también deberían realizar pruebas de diagnóstico de multicolinealidad.
El segundo punto es que algunos estudios contables no especificaron qué variables independientes utilizaron en el modelo de primera etapa. Esta falta de información impide a los lectores identificar si se trata de restricciones excluyentes o evaluar sus inferencias estadísticas. Por lo tanto, la segunda sugerencia del autor es aclarar el modelo de selección en la primera etapa del informe y mostrar claramente las variables Z que eligen.
El tercer punto es que la investigación debe explicar por qué la variable Z en el modelo de la primera etapa puede excluirse efectivamente en el modelo de la segunda etapa. Los investigadores contables están acostumbrados a explicar por qué estas variables independientes pueden incluirse en un modelo, pero a menudo no pueden explicar por qué una o más variables en el modelo de selección de la primera etapa pueden excluirse efectivamente del modelo de resultados de la segunda etapa. No basta con basarse en investigaciones anteriores para demostrar que las variables independientes incluidas en los modelos de la primera y la segunda etapa no son suficientes.
En cuarto lugar, dado que los resultados del modelo de selección suelen ser inestables, se debe realizar un informe de análisis de sensibilidad para la solidez de la inferencia estadística. Sin embargo, en la investigación contable empírica, los informes de análisis de sensibilidad no son comunes.
Con respecto a los términos de interacción, efectos mediadores o análisis de mecanismos, los académicos pueden consultar los siguientes artículos: 1. ¿Cuál es el término de interacción en regresión econométrica? Aquí hay un libro para usted, 2. 5 "términos de interacción" relacionados en preguntas de econometría y respuestas, 3. ¿Cuál es el asunto del análisis de mecanismos empíricos, qué diablos es el análisis de mecanismos? , 4. Análisis causal del "efecto mediador" en la evaluación de políticas, agregando literatura y notas, 5. Cómo encontrar variables instrumentales para los términos de interacción de las variables endógenas, qué hacer con los términos de interacción colineal, 6. El análisis del efecto mediador causal aparece en el problema principal, es hora de usar el nuevo método, 7. Prueba de autoservicio de efectos de mediación y moderación, para datos de sección transversal no normales, 8. Programa de cálculo de efecto de mediación de datos del panel, abra la puerta del panel, 9 . Guía operativa para efectos de mediación y moderación, libro clásico y edición de coleccionista de PPT, 10. Cuatro métodos de análisis de efectos de mediación, resumen de principios, métodos y aplicaciones, 11. Métodos y modelos de análisis de efectos de mediación, documento de lectura obligada, 12 . Estimación y prueba de múltiples efectos de mediación, Stata MP15 se puede descargar, 13. Análisis de efecto de mediación con variables moderadoras, mediación moderada, 14. Procedimientos de efecto de mediación y datos con variables moderadoras, interpretación exclusiva de resultados relevantes, 15. Modelo mixto limitado FMM , análisis de nuevos grupos de heterogeneidad Fichas de negociación.
16. El efecto fijo de la intersección del efecto fijo de la provincia / industria y el efecto fijo del año, 17. ¿Cuál es el retorno de los términos de interacción descentralizada en los datos de panel? 18. ¿Cuál es el efecto fijo de la interacción de panel?, Promueve el profesor Bai Jushan la investigación más avanzada, 19. Método de control sintético generalizado gsynth, inferencia causal basada en efectos fijos interactivos, 20. Un procedimiento empírico completo, tomando logit o ologit como ejemplo, 21. Técnicas de coeficientes de regresión de comparación de datos cruzados, 22. En forma de U, en forma de U invertida, sigue siendo una relación lineal, su práctica habitual no es fiable. 23. El elemento de interacción de la industria / región y la tendencia temporal en DID, prueba de tendencia común, prueba de efecto de política dinámica, 24. Mecanismo análisis para lograr el artículo de interés final de la JPE, altura e ingresos, 25. Análisis de mecanismos, canales intermedios, efecto de moderación colección de series de lectura obligada, 26. ¿Qué pasa si la variable independiente y la variable intermedia son endógenas? Póngalo en el marco de la mediación causal, 27. ¿Cuál es la diferencia y la conexión entre las variables moderadoras, las variables mediadoras y las variables de control ?, 28. ¿Cómo prueban múltiples variables mediadoras el efecto mediador? 29. ¿Es necesario incluir las variables mediadoras? en la regresión? ¿Cuándo? ¿Cuándo no soltar ?, 30. Análisis de mecanismos, canal de mediación, efecto de moderación colección de series de lectura obligada, 31. Tres imágenes para entender, confusión, mediación, regulación, colisión, exposición, la compleja relación entre resultados y covariables, 32. El proceso de inspección del efecto intermedio, el diagrama esquemático se libera, ya no tiene miedo del análisis intermedio.
Los siguientes artículos con enlaces cortos pertenecen a una colección, puede recopilarlos y leerlos, o no los encontrará en el futuro.
En 2,5 años, casi 1000 artículos de medición no ponderados en el círculo econométrico,
Puede buscar cualquier problema relacionado con la medición directamente en la barra de menú oficial de la cuenta,
Círculo de Econometría