机器算法验证 - 赫克曼选择模型中排除变量的经验法则？ - 吾爱随笔录

我正在做一个项目，该项目涉及使用以下形式的 Heckman 选择模型（更具体地说，是 Roy 或 move-stay 模型，它本质上是一个双面 Heckman）：

Y_{i 1} = X_{i} β_{1} + ε_{i 1} if S e l e c t_{i} = 1

$Y_{i1} = X_i\beta_1 + \varepsilon_{i1} \text{ if } Select_i=1$

Y_{i 0} = X_{i} β_{0} + ε_{i 0} if S e l e c t_{i} = 0

$Y_{i0} = X_i\beta_0 + \varepsilon_{i0} \text{ if } Select_i=0$

S e l e c t_{i}^{*} = X_{i} γ + Z_{i} δ + ε_{i}

$Select_i^* = X_i\gamma + Z_i\delta + \varepsilon_{i}$

S e l e c t_{i} = I (S e l e c t_{i}^{*} > 0)

$Select_i = I(Select_i^*>0)$

该模型仅通过误差项的分布假设来识别，除非第一阶段（方程）中包含一个变量，该变量可以合理地从第二阶段（和方程）中排除）。这里这个变量是。 $Select_i^*$ $Y_{i1}$ $Y_{i2}$ $Z_i$

对于要充分识别模型，和之间的关系需要多“强”是否有经验法则？我正在考虑类似于工具变量文献中的经验法则，即 IV 的 F 检验应该是 10 或更高。我还没有找到任何类似的选择模型。有什么事吗？ $Select_i$ $Z_i$