基于 Hamiltonian Monte Carlo 的灵活 Heckman 选择模型贝叶斯分析
统计方法学
2026-02-09 v1 统计计算
摘要
Heckman 选择模型广泛应用于计量经济学及其他社会科学领域,用于处理数据建模中的样本选择偏差问题。Heckman 选择模型的一个常见假设是误差项服从独立的二元正态分布。然而,现实数据常常偏离该假设,表现出重尾行为,若处理不当将导致估计不一致。本文提出一种 Heckman 选择模型的贝叶斯分析,将高斯假设替换为正态分布的尺度混合分布族中一些广为人知的成员,例如 Student's-t 分布与污染正态分布。针对这些复杂结构,我们采用 Stan 默认的 No-U-Turn 采样器获取后验模拟。通过大量模拟研究,我们比较了基于正态、Student's-t 与污染正态分布的 Heckman 选择模型的性能。我们还通过将其应用于医疗保健与劳动供给数据,展示了该方法的广泛适用性。所提算法已在 R 包 HeckmanStan 中实现。
引用
@article{arxiv.2510.20942,
title = {Bayesian analysis of flexible Heckman selection models using Hamiltonian Monte Carlo},
author = {Heeju Lim and Victor E. Lachos and Victor H. Lachos},
journal= {arXiv preprint arXiv:2510.20942},
year = {2026}
}