Czasopismo
Tytuł artykułu
Autorzy
Warianty tytułu
Application of Hazard Models with Unobserved Heterogeneity to the Labour Market Analysis
Języki publikacji
Abstrakty
W literaturze ekonometrycznej często zwraca się uwagę na nieobserwowalną heterogeniczność. O ile obserwowalna heterogeniczność dotyczy różnic między obiektami badania wyrażonych w modelu za pomocą regresorów, o tyle nieobserwowalną odnosi się do pozostałych czynników różnicujących zbiorowość. W analizie przeżycia obie grupy czynników mogą mieć wpływ na długość czasu trwania badanego zjawiska. Jeśli występuje nieobserwowalną heterogeniczność, to podmioty o takich samych wartościach cech opisywanych zmiennymi objaśniającymi mogą mieć różne stopy hazardu (różne skłonności do zmiany stanu). Rozważmy hipotetyczny przykład dotyczący czasu trwania osób w stanie bezrobocia. Jeśli skłonność do podjęcia zatrudnienia jest malejącą funkcją czasu trwania w bezrobociu, to po zagregowaniu informacji zależność między czasem przebywania na bezrobociu a prawdopodobieństwem ponownego zatrudnienia nadal jest ujemna. Przyjmijmy jednak dwa typy bezrobotnych: 50% populacji to bezrobotni typu A, o stałej stopie hazardu wynoszącej 0,4, oraz 50% to bezrobotni typu B, o stopie hazardu równej 0,1. Wówczas dla stu osób typu A w kolejnych trzech okresach czasu zaobserwujemy kolejno 40,0, potem 24,0 oraz 14,4 zmian stanów, a dla typu B: 10,0, potem 9,0 i 8,1 przejść. (fragment tekstu)
Observed heterogeneity refers to differences between individuals that are measured by regressors, and unobserved heterogeneity refers to all other differences. The basic idea of a frailty model is to incorporate an unmeasured effect in the hazard function to account for heterogeneity. In the paper follows a brief discussion of these models. The subject matter concerns the tools to examine the possible presence of unobserved heterogeneity and the techniques for generating and analyzing frailty models. In order to illustrate frailty models, we analyze a dataset from the labour force survey. A numerical example under the assumption that the unobserved heterogeneity is present, will be parameterized within an analytically tractable parametric hazard model.(original abstract)
Czasopismo
Rocznik
Strony
127--142
Opis fizyczny
Twórcy
autor
Bibliografia
- Blossfeld H.P., Golsch K., Rohwer G., Event history analysis with stata, London 2007.
- Cameron A.C, Trivedi P.K., Microeconometrics. Methods and applications, Cambridge University Press, New York 2005.
- Cleves M.A., Gould W.W., Gutierrez R.G., An introduction to survival analysis using Stata, A Stata Press Publication, Stata Corporation, College Station 2002.
- Cox D.R., Oakes D., Analysis of survival data, Chapman and Hall, London 1984.
- Frątczak E., Gach-Ciepiela U., Babiker H., Analiza historii zdarzeń. Elementy teorii, wybrane przykłady zastosowań. Warszawa 2005.
- Gutierrez R.G., Parametric frailty and shared frailty survival models, "The Stata Journal " 2002, No. 2(1).
- Heckman J.J., Singer B., The identification problem in econometric models for duration data, w: Advances in econometrics, red. W. Hildenbrand, Cambridge 1982.
- Hosmer D., Lemeshow S., Applied survival analysis: Regression modeling of time to event data, John Wiley and Sons, New York 1999.
- Hougaard P., Life table methods for heterogeneous populations: Distributions describing the heterogeneity, "Biometrica" 1984, No. 71.
- Hougaard P., Survival models for heterogeneous populations derived from stable distributions, "Biometrica" 1986, No. 73.
- Kalbfleisch J., Prentice R., The statistical analysis of failure time data, New York 1980.
- Kiefer N., Economic duration data and hazard functions, "Journal of Economic Literature" 1988, No. 26.
- Lancaster T., Econometric methods for the duration of unemployment, "Econometrica" 1979, No. 47.
- Vaupel J.W., Manton K., Stallard E., The impact of heterogeneity in individual frailty on the dynamics of mortality, "Demography" 1979, No. 16.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171289301