Bayesian analysis of flexible Heckman selection models using Hamiltonian Monte Carlo
利用哈密顿蒙特卡洛进行灵活 Heckman 选择模型的贝叶斯分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要围绕 Heckman 样本选择模型的参数化分布设定与贝叶斯估计，最接近结构估计相关方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用哈密顿蒙特卡洛进行灵活 Heckman 选择模型的贝叶斯分析
- 研究问题
- 当 Heckman 样本选择模型的误差具有厚尾、偏离常用高斯设定时，如何进行更灵活的贝叶斯估计并比较模型表现？
- 方法与思路
- 作者以 Student-t、污染正态等尺度混合正态分布替代高斯误差，使用 Stan 的默认 NUTS 采样器进行后验模拟。
- 材料陈述的贡献
- 摘要称提出灵活选择模型的贝叶斯分析，开展模拟及医疗、劳动供给应用比较，并将算法实现于 R 包 HeckmanStan。
- 阅读关注点
- 应核对选择模型的识别来源、误差分布与先验设定、后验采样诊断，以及各模型在不同厚尾情形下的比较指标。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未给出识别条件、先验或具体比较结果，不能断言某种分布普遍更优。
原文摘要
The Heckman selection model is widely used in econometric analysis and other social sciences to address sample selection bias in data modeling. A common assumption in Heckman selection models is that the error terms follow an independent bivariate normal distribution. However, real-world data often deviates from this assumption, exhibiting heavy-tailed behavior, which can lead to inconsistent estimates if not properly addressed. In this paper, we propose a Bayesian analysis of Heckman selection models that replace the Gaussian assumption with well-known members of the class of scale mixture of normal distributions, such as the Student's-t and contaminated normal distributions. For these complex structures, Stan's default No-U-Turn sampler is utilized to obtain posterior simulations. Through extensive simulation studies, we compare the performance of the Heckman selection models with normal, Student's-t and contaminated normal distributions. We also demonstrate the broad applicability of this methodology by applying it to medical care and labor supply data. The proposed algorithms are implemented in the R package HeckmanStan.